Los errores de Bluetooth hacen que las aplicaciones de seguimiento de contactos arrojen toneladas de errores

Siete meses después de la pandemia de Covid-19, todavía no sabemos qué tan efectivas son las aplicaciones de seguimiento de contactos. Lo que sí sabemos es que Bluetooth puede ser extremadamente inexacto

En el corazón de todas las aplicaciones de seguimiento de contactos basadas en Bluetooth hay una cuestión fundamental: si realmente ayuda en la lucha para frenar la propagación de Covid-19. Su eficacia o no se puede juzgar por dos factores: epidemiológicos y técnicos. Pero unos meses después de la pandemia, todavía no hay respuestas claras.

“Son bastante fiables”, dice Douglas Leith, presidente de sistemas informáticos del Trinity College de Dublín, quien analizó qué tan bien los dispositivos pueden utilizar Bluetooth para medir la distancia. Leith dice que la confiabilidad de las aplicaciones para detectar con precisión otros dispositivos a su alrededor y calcular su diferencia puede variar mucho. Bluetooth no fue diseñado para rastrear contactos, pero en la era de la pandemia se mantiene como una posible solución a la crisis.

Las aplicaciones de seguimiento de contactos que utilizan Bluetooth Low Energy, que es la mayoría de las aplicaciones en todo el mundo, incluidas las que utilizan los protocolos de Apple y Google, detectan otros dispositivos a su alrededor mediante la indicación de intensidad de señal indicada (RSSI). En resumen, esta es la fuerza de la señal. La pérdida de intensidad de la señal entre un transmisor en un teléfono y el receptor en otro dispositivo se utiliza como una forma de determinar la distancia entre teléfonos.

La distancia entre los teléfonos se calcula cada dos a cinco minutos, puede variar en diferentes países y se usa para averiguar si alguien cercano a otra persona aumenta las posibilidades de transmitir Covid-19. Las aplicaciones se basan en comprender que es más probable que el virus pase de una persona a otra si está a menos de dos metros de esa persona durante más de 15 minutos. (Aunque, como muestra la variedad de medidas de distanciamiento social en todo el mundo, la ciencia detrás de las distancias a las que cambia el riesgo de transmisión es difícil).

“Hay al menos cuatro cosas que pueden tener un gran efecto en el rendimiento”, dice Leith. Nada de esto sorprende a los ingenieros, agrega, porque Bluetooth funciona en la misma banda de frecuencia que los hornos microondas y las frecuencias están bien estudiadas. El tipo de teléfono, incluidas las antenas, los conjuntos de chips y cómo se combinan, pueden variar el rendimiento de Bluetooth. La forma en que se probó la aplicación antes de su lanzamiento al público también puede tener un impacto, al igual que los materiales en el entorno en el que se utiliza la aplicación: piense en paredes de hormigón gruesas frente a ventanas de vidrio delgadas. Todo esto cambia el RSSI registrado.

Los fabricantes de teléfonos han intentado resolver algunas de las diferencias en el funcionamiento de Bluetooth en sus dispositivos. Y Google está trabajando duro y ha creado una forma para que los fabricantes de dispositivos configuren más fácilmente los ajustes de Bluetooth. Esto implica pegar los teléfonos a un trípode, rotarlos y recopilar una gran cantidad de datos.

Una hoja de cálculo que contiene más de 12.000 modelos de teléfonos, incluidos los fabricantes de todos los grandes nombres hasta Coolpad y Tecno, muestra cuánta diferencia hay. Las correcciones RSSI van de 19 a -29, y la potencia transmitida varía hasta en 45 puntos diferentes.

Si esto no fuera lo suficientemente complicado, uno de los factores más influyentes en la intensidad de la señal es simplemente dónde se coloca un dispositivo. “Ves fluctuaciones debido a pequeños cambios en la orientación relativa del teléfono”, dice Leith. Si su teléfono está en su bolsillo trasero, la señal enviada a alguien de pie o frente a usted será muy diferente a si estuviera en su bolsillo delantero.

Un experimento realizado en un tranvía por Leith y su colega Stephen Farrell descubrió que la intensidad de la señal no calculaba realmente las distancias en este escenario. Utilizaron las reglas de detección de aplicaciones de las aplicaciones italiana, suiza y alemana para su experimento. Descubrieron que se observaron intervalos similares de intensidad de señal tanto entre teléfonos a menos de dos metros de distancia como entre teléfonos que están a más de dos metros de distancia, hasta cinco metros. Tales diferencias podrían tener un gran impacto en la transmisión Covid-19, pero Bluetooth no es lo suficientemente sensible para detectarlas.

En el escenario del tranvía, la falta de precisión es causada por las paredes metálicas, el piso y el techo, que reflejan todas las señales de radio. “Hay algunos lugares en los que estamos seguros de que no funcionará. Y esto en entornos donde hay mucho metal ”, añade Leith.

La incapacidad de Bluetooth para medir siempre con precisión qué tan lejos están las personas es un secreto a voces. Y las mediciones incorrectas pueden dar lugar a notificaciones falsas. Decirle a la gente que se aísle cuando existe un menor riesgo de contraer coronavirus puede ser económicamente perjudicial y puede erosionar la confianza en el sistema global de rastreo y localización. Por otro lado, no identificar a las personas con mayor riesgo de contraer el virus significa que podría propagarse más fácilmente.

En agosto, antes del lanzamiento de la aplicación NHS Covid-19 en Inglaterra y Gales, el Centro Nacional de Seguridad Cibernética discutió el “problema de Bluetooth”. Se dijo que el problema de las falsificaciones positivas, teléfonos que creían que sus dueños estaban cerca de otros cuando no estaban a menos de dos metros de distancia, era algo en lo que se estaba trabajando.

“Si estuviera entre 2 y 4 m de una persona infectada, actualmente hay una tasa de falsos positivos de alrededor del 45%”, escribió el director técnico de NCSC, Ian Levy, en una publicación de blog. Esto significa que algunas personas reciben notificaciones sobre una posible infección, a pesar de estar a más de dos metros de alguien que dio positivo por Covid-19.

“A modo de simple ilustración, durante el reciente brote en Leicester, la aplicación habría generado ~ 50 falsificaciones positivas al día en una población de 330.000”, escribió Mark Briers del Instituto Alan Turing en una publicación de blog en agosto sobre modelado. Este modelo aún no ha sido publicado.

Los investigadores se esfuerzan por mejorar la tasa de falsos positivos. Un portavoz del Departamento de Salud y Bienestar, el departamento gubernamental responsable de la aplicación, dice que desde la publicación del análisis del NCSC, la tasa de falsos positivos para las personas con una distancia de dos a cuatro metros se ha reducido en aproximadamente un 25%. Las personas que juzgan la aplicación tienen un alto riesgo de transmisión, pero en realidad tienen un riesgo bajo, se han reducido de 4.5 de cada diez a tres de cada diez, dice un portavoz de DHSC.

Agregan que las notificaciones de la aplicación se activan solo después de que se haya confirmado que alguien ha dado resultados positivos. “Lo tenemos muy claro, todos los contactados habrán estado en estrecho contacto con alguien que tenga un caso confirmado de coronavirus”, explica el portavoz.

La clave para el funcionamiento del NHS Covid-19 es un algoritmo de puntuación de riesgo que combina los datos de distancia y tiempo de Bluetooth con el tiempo que la persona que dio positivo desarrolló síntomas. El DHSC y el NHS pueden cambiar los niveles de riesgo que provocan notificaciones a medida que se disponga de más asesoramiento científico. Briers del Instituto Turing y NCSC están trabajando para perfeccionar aún más el algoritmo y los métodos de detección utilizados.

“La única forma de minimizar o reducir los falsos positivos es reducir la sensibilidad”, dice Gary Hatke, ingeniero del MIT y parte del equipo PACT que trabaja en aplicaciones de seguimiento de contactos y tecnología central. “O debería hacer que Apple y Google cambien la forma en que funciona la API”. Google dice que ha trabajado para mantener el impacto de la batería de Android lo más bajo posible y, junto con Apple, está mejorando continuamente el sistema de notificaciones.

Otros dispositivos Bluetooth pueden aproximarse mejor a la medición de distancia que los teléfonos. Singapur, que fue el primero en desarrollar una aplicación de seguimiento de contactos para Covid-19, ahora está probando un dispositivo portátil. “Los dispositivos portátiles en general pueden funcionar mejor que los teléfonos inteligentes para ayudar a estimar los posibles eventos de exposición”, dijo Ken Kolderup, director de marketing de Bluetooth SIG, el grupo que desarrolla el estándar. “En muchos casos, los elementos que se pueden llevar puestos, como las pulseras, se llevan en el cuerpo en lugares que generarán menos interferencias y, por lo tanto, generarán estimaciones más precisas de la distancia real entre las personas”.

Pero por ahora, millones de teléfonos realizan el seguimiento de contactos a través de Bluetooth, no muchos elementos portátiles. Hatke dice que el equipo del MIT ha demostrado que la confiabilidad de Bluetooth se puede mejorar en los dispositivos. Él dice que las aplicaciones pueden hacer que las mediciones RSSI sean más comunes para determinar qué tan lejos están otros dispositivos, aunque esto puede requerir más energía de la batería para ser eficiente.

La otra forma, dice Hatke, es “hacer algo de autoconciencia en el teléfono. Cada vez que tomo una medida, puedo saber si estoy en mi bolsillo o no “. Esto podría ser a través de sensores de proximidad que pueden indicar si la superficie de un teléfono está cubierta o cerca de un cuerpo o sensores de luz. “Puede codificar esta información en la señal que se transmite”, dice Hatke.

Pero Hatke y su colega Marc Zissman todavía cuestionan el propósito exacto de desarrollar aplicaciones de seguimiento de contactos. Y esto los hace más difíciles de optimizar. ¿Están destinados a ayudar a encontrar personas desconocidas para aquellos que han sido infectados (por ejemplo, personas en un tren) o ayudar a las personas a aislarse más rápido de lo que los esfuerzos de contacto humano pueden contactarlos?

Siete meses después de la pandemia, todavía no hay una respuesta obvia. La distancia y el tiempo son solo dos indicadores del riesgo de transmisión. El flujo de aire, ya sea que las personas estén en interiores o al aire libre y el volumen al que las personas hablan son algunas de las otras variables que influyen en la capacidad de propagación del Covid-19. Pero nada de esto puede medirse fácilmente con una aplicación que recopila muy pocos datos.

“Realmente necesitamos datos de las jurisdicciones que hacen esto”, dice Zissman. Como resultado, hay pocos incentivos para que los investigadores aprendan cómo las aplicaciones de seguimiento de contactos pueden ser más efectivas. “No hay datos publicados en los que podamos tomar el país o el estado y decirles cuáles son estos valores”.

Matt Burgess es el editor digital adjunto de DyN Noticias. Enviar un tweet desde @ mattburgess1

📦 Las mejores ofertas Prime Day 2020 seleccionadas manualmente por el equipo DyN Noticias

🚽 Los fanáticos del pis quieren alimentar al mundo con su oro líquido

🎞️ Los usuarios de YouTube utilizan IA para dar vida al pasado. Los historiadores no están contentos

🔊 Escuche The DyN Noticias Podcast, Science, Technology and Culture Week, transmitido todos los viernes

👉 Mira DyN Noticias en Gorjeo, Instagram, Facebook y LinkedIn

Gran parte de las noticias de la ciencia de la tierra en un sólo sitio. noticias de Ciencia.