'SmokeMon', el nuevo dispositivo inteligente desarrollado por la Northwestern Medicine University de Estados Unidos, permite detectar mediante sensores térmicos las firmas de calor que emite una persona fumadora, con el fin de analizar sus hábitos de consumo de cigarrillos para prevenir futuras adicciones o recaídas en el tabaquismo.
Este dispositivo, con forma de collar, no rastrea imágenes, por lo que no vulnera en ningún momento la privacidad de su usuario.
"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.
Todo esto es conocido como topografía del fumador.
De este modo, ayuda a 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.
Permite a los científicos medir y evaluar la exposición nociva al monóxido de carbono entre los fumadores
Admás, ayuda 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.
Esto es importante también para los exfumadores. ¿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 tabaquismosigue 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).
La diferencia de este nuevo dispositivo en relación con aquellos ya existentes es que estos últimos rastrean la topografía del tabaquismo cuando están 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 otras 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 serían las cámaras de vídeo portátiles pero plantean problemas de privacidad y estigmatización, lo que limita la aplicabilidad de los enfoques basados en cámaras en entornos naturales.
Para desarrollar este dispositivo, se realizó un estudio reclutando 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. Además, organizaron tres grupos de discusión con 18 especialistas en el tratamiento del tabaquismo para conocer su opinión sobre el dispositivo.