AI再次助力流感监控！便携AI装置通过监控咳嗽声来预测流感趋势

近日，马萨诸塞大学阿姆赫斯特分校(University of Massachusetts Amherst)的研究人员发明了一种名为FluSense的便携式监控设备，这种设备以机器学习为基础，它可以实时检测咳嗽和人群规模，然后分析数据，直接监测类似流感的疾病和流感趋势。

FluSense的发明者表示，这种新型边缘计算平台有望在医院、医疗候诊室和更大的公共空间使用，还可能会扩大预测季节性流感和其他病毒性呼吸道疾病(如COVID-19流感或SARS)爆发的健康监测工具库。

通过在流感流行期间直接通报公共卫生应对措施，这样的模型可以起到拯救生命的作用。这些数据源可以帮助确定流感疫苗研发、潜在旅行限制和医疗用品分配等的时间。

计算机和信息科学的助理教授、研究合著者博士研究生Tauhidur Rahman说：“这应该可以使我们更准确地预测流感趋势。”Rahman还是主要作者Forsad Al Hossain的顾问，他们的研究结果于周三发表在《Proceedings of the Association for Computing Machinery on Interactive, Mobile, Wearable and Ubiquitous Technologies》杂志上。

为了测试FluSense平台在现实世界中的效果，FluSense的发明者与大学卫生服务中心的执行主任乔治·科里(George Corey)博士、美国马萨诸塞州疾病控制与预防中心(CDC)流感预测卓越中心生物统计学家尼古拉斯·赖克(Nicholas Reich)以及流行病学家、病媒传播疾病专家、公共卫生和健康科学学院的助理教授安德鲁·洛弗(Andrew Lover)进行了合作。

FluSense平台使用树莓派(Raspberry Pi)微型电脑和神经计算引擎来处理低成本麦克风阵列和热成像的数据。它并不会存储个人身份信息，比如语音数据或可识别的图像。在Rahman的Mosaic实验室(计算机科学家在这个实验室里开发传感器来观察人类健康和行为)，研究人员首先开发了一个基于实验室的咳嗽模型。然后他们训练深度神经网络分类器在代表人物的热图像上画边界盒，然后进行计数。Rahman说：“我们的主要目标是在人口层面上建立预测模型，而不是在个人层面上。”

他们把FluSense设备装在一个大字典大小的长方形盒子里，并布置在马萨诸塞州立大学健康服务诊所的四个医疗候诊室中。

从2018年12月到2019年7月，FluSense平台从这些公共等候区域收集并分析了超过35万张热图像和2100万份非语音音频样本。

研究人员发现，FluSense能够准确地预测大学诊所的每日发病率。多种互补的FluSense信号与实验室检测流感类疾病以及流感本身有着“紧密的关联”。

根据这项研究，“FluSense获取的早期症状相关信息可以为当前流感预测工作提供有价值的额外和补充信息，”例如FluSight网络，FluSight网络是一个多学科联合的流感预测团队，其中就包括马萨诸塞州立大学阿姆赫斯特分校的Reich实验室。

Rahman说：“我对非语言身体声音感兴趣已经有很长一段时间了，我认为，如果我们能够在人们聚集的公共场所捕捉许多人的咳嗽或喷嚏声的话，我们就可以利用这些信息作为预测流行病学趋势的新数据来源。”

Al Hossain说，FluSense是人工智能和边缘计算能力结合的一个例子，这种前沿推动趋势使数据能够直接在源头被收集和分析。Al Hossain指着FluSense装置内部的紧凑组件说：“我们正试图将机器学习系统推向边缘计算。所有的过程都发生在这里，这些系统正变得更便宜、更强大。”

下一步是在其他公共区域和地理位置测试FluSense。

Lover说：“我们已经初步证实，咳嗽确实与流感相关疾病有关，现在，我们想要验证这个结论在特定医院环境之外的有效性，并且证明这个结论在不同的地点都适用。”