Un collar inteligente, para ayudar a dejar de fumar

Investigadores de la Northwestern Medicine University (Estados Unidos) han desarrollado un dispositivo inteligente que se lleva en el cuello y que detecta el hábito de fumar captando las firmas de calor de sensores térmicos.

El collar, llamado 'SmokeMon', mantiene por completo la privacidad del fumador, ya que sólo rastrea el calor, no las imágenes, lo cual es un factor crítico para que la gente se sienta cómoda llevándolo.

"Esto va mucho más allá del número de cigarrillos que fuma una persona al día. Podemos detectar cuándo se enciende el cigarrillo, cuándo la persona se lo lleva a la boca y da una calada, cuánto inhala, cuánto tiempo pasa entre calada y calada y cuánto tiempo tiene el cigarrillo en la boca", ha afirmado Nabil Alshurafa, investigador principal y profesor asociado de Medicina Preventiva en la Facultad de Medicina Feinberg de la Universidad Northwestern.

Todos estos detalles se denominan topografía del fumador, que es importante por dos razones. La primera es que permite a los científicos medir y evaluar la exposición nociva al monóxido de carbono entre los fumadores y comprender más profundamente la relación entre la exposición química y las enfermedades relacionadas con el tabaco, como el cáncer, las cardiopatías, los accidentes cerebrovasculares, las enfermedades pulmonares, la diabetes, la EPOC, el enfisema y la bronquitis crónica.

El segundo es ayudar a las personas en sus esfuerzos por dejar de fumar, comprendiendo cómo la topografía del tabaquismo se relaciona con la recaída (volver a fumar con regularidad), que ocurre con frecuencia en las personas que dejan de fumar.

Supongamos que un ex fumador da unas caladas a un cigarrillo. ¿Cinco caladas o cinco cigarrillos enteros le llevan a una recaída total? Esta información puede utilizarse para predecir cuándo una persona va a recaer y cuándo intervenir con una llamada telefónica de un asesor de salud, por ejemplo, o incluso con un mensaje de texto o de vídeo a través del smartphone para ayudarle a prevenir una recaída. Los científicos también tienen previsto estudiar la eficacia del dispositivo para detectar las caladas y la topografía de los cigarrillos electrónicos.

"Queremos atraparlos antes de que caigan por completo. Una vez que lo hacen, les resulta mucho más difícil volver a dejarlo. Para muchas personas que intentan dejar de fumar, un desliz es uno o dos cigarrillos o incluso una calada. Pero un desliz no es lo mismo que una recaída (volver a fumar con regularidad). Una persona puede aprender de los deslices, tomando conciencia de que no ha fracasado, sólo ha tenido un contratiempo temporal. Para evitar una recaída, podemos empezar a centrarnos en cómo manejar los desencadenantes y hacer frente a los antojos", ha detallado Alshurafa, cuyo trabajo se ha publicado en la revista científica 'Proceedings of the ACM on Interactive, Mobile, Wearable, and Ubiquitous Technologies '.

En todo el mundo, más de 8 millones de muertes se atribuyen al tabaquismo cada año. El tabaquismo sigue siendo una de las principales causas de enfermedad, discapacidad y muerte evitables en Estados Unidos, y es responsable de más de 480.000 muertes al año (o una de cada cinco muertes).

Los dispositivos existentes que rastrean la topografía del tabaquismo deben estar conectados al cigarrillo, lo que cambia la forma en que una persona fuma y hace que los datos sean menos confiables.

Algunos investigadores han estudiado formas no intrusivas de medir el hábito de fumar, como el uso de sensores de unidades de medición inercial en relojes inteligentes.

Sin embargo, estos métodos suelen confundirse con los gestos de manos a boca de los no fumadores y, en consecuencia, generan muchos falsos positivos. Otra opción, las cámaras de vídeo portátiles, plantea problemas de privacidad y estigmatización, lo que limita la aplicabilidad de los enfoques basados en cámaras en entornos naturales.

Para el estudio se reclutó a 19 voluntarios que participaron en 115 sesiones en las que los científicos examinaron su comportamiento como fumadores en experimentos controlados y libres.

Mientras los fumadores llevaban el dispositivo, los científicos entrenaron un modelo de máquina basado en aprendizaje profundo para detectar eventos de fumar junto con su topografía de fumar, incluyendo cosas como el momento de una calada, el número de caladas, la duración de la calada, el volumen de la calada, el intervalo entre caladas y la duración de fumar. También organizaron tres grupos de discusión con 18 especialistas en el tratamiento del tabaquismo para conocer su opinión sobre el dispositivo.