Tauhidur Rahman, vänster, och Forsad Al Hossain visar sin FluSense -enhet. Upphovsman:UMass Amherst
University of Massachusetts Amherst -forskare har uppfunnit en bärbar övervakningsenhet som drivs av maskininlärning - kallad FluSense - som kan upptäcka hosta och folkmängd i realtid, analysera sedan data för att direkt övervaka influensaliknande sjukdomar och influensatrender.
FluSense-skaparna säger att den nya edge-computing-plattformen, tänkt för användning på sjukhus, sjukvård väntrum och större offentliga utrymmen, kan utöka arsenalen för hälsoövervakningsverktyg som används för att förutsäga säsongsinfluensa och andra virala luftvägsutbrott, till exempel COVID-19-pandemin eller SARS.
Modeller som dessa kan vara livräddare genom att direkt informera folkhälsosvaret under en influensapidemi. Dessa datakällor kan hjälpa till att bestämma tidpunkten för kampanjer mot influensavaccin, eventuella resebegränsningar, fördelning av medicinsk utrustning och mer.
"Detta kan göra att vi kan förutsäga influensatrender på ett mycket mer exakt sätt, "säger medförfattaren Tauhidur Rahman, biträdande professor i dator- och informationsvetenskap, som ger Ph.D. student och huvudförfattare Forsad Al Hossain. Resultaten av deras FluSense -studie publicerades onsdag i Proceedings of the Association for Computing Machinery on Interactive, Mobil, Bärbar och allestädes närvarande teknik.
För att ge deras uppfinning en verklig provning, FluSense -uppfinnarna samarbetade med Dr. George Corey, verkställande direktör för University Health Services; biostatistiker Nicholas Reich, chef för UMass-baserade CDC Influenza Forecasting Center of Excellence; och epidemiolog Andrew Lover, en vektorburna sjukdomsexpert och biträdande professor vid School of Public Health and Health Sciences.
FluSense-plattformen bearbetar ett billigt mikrofonarray och värmeavbildningsdata med en Raspberry Pi och neural computing engine. Den lagrar ingen personligt identifierbar information, t.ex. taldata eller utmärkta bilder. I Rahmans Mosaic Lab, där datavetare utvecklar sensorer för att observera människors hälsa och beteende, forskarna utvecklade först en labbaserad hostmodell. Sedan tränade de den djupa neurala nätverksklassificeraren att rita avgränsande rutor på termiska bilder som representerar människor, och sedan att räkna dem. "Vårt främsta mål var att bygga förutsägbara modeller på befolkningsnivå, inte individnivån, "Säger Rahman.
De placerade FluSense -enheterna, inneslutet i en rektangulär låda om storleken på en stor ordbok, i fyra sjukvårds väntrum på UMass's University Health Services klinik.
FluSense -enheten rymmer dessa komponenter. Upphovsman:UMass Amherst
Från december 2018 till juli 2019, FluSense -plattformen samlade in och analyserade mer än 350, 000 termobilder och 21 miljoner ljudprover utan tal från de offentliga väntområdena.
Forskarna fann att FluSense exakt kunde förutsäga dagliga sjukdomsfrekvenser på universitetskliniken. Flera och kompletterande uppsättningar av FluSense-signaler "starkt korrelerade" med laboratoriebaserade tester för influensaliknande sjukdomar och själva influensan.
Enligt studien, "den tidiga symptomrelaterade informationen som fångats av FluSense kan ge värdefull ytterligare och kompletterande information till nuvarande insatser för influensaprediktion, "som FluSight -nätverket, som är ett tvärvetenskapligt konsortium av influensaprognoslag, inklusive Reich Lab på UMass Amherst.
"Jag har länge varit intresserad av kroppsljud utan tal, "Rahman säger." Jag tänkte om vi kunde fånga hosta eller nysningar från offentliga utrymmen där många människor naturligtvis samlas, vi kan använda denna information som en ny datakälla för att förutsäga epidemiologiska trender. "
Al Hossain säger att FluSense är ett exempel på kraften i att kombinera artificiell intelligens med edge computing, gränsöverskridande trenden som gör det möjligt att samla in och analysera data direkt vid datakällan. "Vi försöker få maskininlärningssystem till kanten, "Al Hossain säger, pekar på de kompakta komponenterna inuti FluSense -enheten. "All bearbetning sker just här. Dessa system blir billigare och kraftfullare."
Nästa steg är att testa FluSense i andra offentliga områden och geografiska platser.
"Vi har den första valideringen att hostan verkligen har ett samband med influensarelaterad sjukdom, "Älskare säger." Nu vill vi validera det bortom denna specifika sjukhusinställning och visa att vi kan generalisera på olika platser. "