新冠肺炎疫情的全球大流行給人類社會帶來了深刻的教訓。在人員全球流動頻繁的現代社會，如何避免病毒擴散?首要問題是發現病毒。
馬薩諸塞大學阿姆赫斯特分校的研究人員發明了一種便攜式AI監控設備，取名為“流感感應”(FluSense)，它可以實時檢測人群規模和健康狀況，通過咳嗽聲就能判斷流感類疾病的發展趨勢。
流感感應平臺使用樹莓派和神經計算引擎，處理的對象是麥克風陣列和熱成像數據。它不需要語音數據或可識別圖像等個人身份信息。在實驗室中，計算機科學家首先開發了一個基於實驗室的咳嗽模型，使用大量傳感器來觀察人類健康情況和行為數據。
隨後，他們訓練深度神經網絡分類器熱成像圖像上畫出代表人的邊界盒，再進行計數。之所以不描繪個人圖像，是因為他們的“主要目標是在人口層面上建立預測模型，而不是基於個人層面上”。
從2018年12月至2019年7月，流感感應平臺從公共等候區收集並分析了超過35萬張熱圖像和2100萬份非語音音頻樣本。結果顯示，該平臺能夠準確預測大學診所每日發病率。多重互補的沖洗信號與實驗室檢測流感類疾病和流感本身“緊密相關”。
“我對非語言的人體音頻信號感興趣已經有很長一段時間了，”研究團隊成員Tauhidur Rahman說，“我認為，如果能夠捕捉到人群自然聚集場所的咳嗽或噴嚏聲，我們就可以利用這些信息作為預測流行病學趨勢的數據來源。”
“這可能使我們能夠以更準確的方式預測流感趨勢，”Rahman稱。這項研究結果週三發表在《互動、移動、可穿戴和無所不在技術計算機械協會》(Proceedings of the Association for Computing Machinery on Interactive, Mobile, Wearable and Ubiquitous Technologies)雜誌上。
研究主要作者Forsad Al Hossain表示，流感感應設備是AI和邊緣計算能力結合的一個例子。邊緣計算是一種前沿推動趨勢，它使數據能夠在數據的源頭被收集和分析。“我們正試圖將機器學習系統推向邊緣，”Al Hossain指著沖洗裝置內部的緊湊組件說，“所有的過程都發生在這裡。這些系統正變得更便宜、更強大。”
設備的發明者表示，這種依託於機器學習技術的新型邊緣計算平臺有望用於醫療場所乃至於更大型的公共空間，可以擴大醫療人員預測、監測季節性流感和其他病毒性呼吸道疾病(如新冠病毒、流感或SARS)暴發的工具庫。
設備用到的算法模型可以在病毒流行期間直接告知公共衛生部門應對措施，起到救急救命的作用，還可以細化到幫助醫療人員確定流感疫苗接種活動的時間、實施可能的旅行限制、醫療用品的分配等等。
閱讀更多 前瞻網 的文章
