CoughNet: Sistema de detección de tos con Raspberry Pi que prioriza la privacidad

El sistema CoughNet, desarrollado por científicos de la Universidad de Binghamton, perteneciente al sistema universitario del estado de Nueva York (SUNY), permite el monitoreo de la tos en entornos públicos sin comprometer la privacidad. Esta iniciativa se presenta como una alternativa a los métodos más intensivos en procesamiento y aprendizaje automático, buscando una aplicación ligera y eficiente que pueda operar en dispositivos prácticos, según detalla la publicación hackster.io.

Cada punto de escucha del sistema está compuesto por tres placas Raspberry Pi equipadas con micrófonos de bajo coste. Estos dispositivos están diseñados para detectar el sonido de la tos de manera constante, pero sin registrar ni almacenar grabaciones de audio. Una vez detectada la tos, un modelo de aprendizaje automático, bautizado como “CoughNet”, entra en funcionamiento. Este modelo destaca por su eficiencia, requiriendo menos de una décima parte de la energía que consumen otros algoritmos avanzados de análisis de tos.

El funcionamiento de CoughNet se basa en la triangulación de datos procedentes de las tres estaciones de escucha para determinar la ubicación aproximada del emisor de la tos. Dali Ismail, profesor asistente en la Escuela de Computación de la Facultad de Ingeniería y Ciencias Aplicadas Thomas J. Watson de la Universidad de Binghamton y líder del proyecto, explica que el micrófono más cercano a la fuente actúa como referencia, permitiendo correlacionar si las toses provienen de la misma persona. A medida que se registran más toses, el sistema puede diferenciar si corresponden a uno o a múltiples individuos, pero la identidad de las personas nunca es revelada.

La arquitectura del sistema incluye la realización de cálculos localmente en cada nodo de escucha. Solo en los casos en que la confianza del resultado es baja, se recurre a un transceptor LoRa para descargar el procesamiento a un sistema remoto más potente. Esta elección tecnológica se justifica por la extrema eficiencia energética de LoRa en comparación con Wi-Fi, optimizando así el consumo en estos pequeños dispositivos. El trabajo del equipo se ha publicado en las Proceedings of the IEEE International Conference on Connected Health: Applications, Systems and Engineering Technologies 2026 (CHASE ’26) bajo términos de acceso restringido.