I ricercatori dell'Università del Massachusetts Amherst hanno inventato un dispositivo di sorveglianza portatile alimentato dall'apprendimento automatico, chiamato FluSense, in grado di rilevare la tosse e le dimensioni della folla in tempo reale, quindi analizzare i dati per monitorare direttamente le malattie simil-influenzali e le tendenze dell'influenza.

I creatori di FluSense affermano che la nuova piattaforma di edge computing, previsto per l'uso negli ospedali, sale d'attesa sanitarie e spazi pubblici più ampi, può ampliare l'arsenale di strumenti di sorveglianza sanitaria utilizzati per prevedere l'influenza stagionale e altre epidemie respiratorie virali, come la pandemia di COVID-19 o la SARS.

Modelli come questi possono essere salvavita informando direttamente la risposta della salute pubblica durante un'epidemia di influenza. Queste fonti di dati possono aiutare a determinare i tempi per le campagne di vaccino antinfluenzale, potenziali restrizioni di viaggio, l'assegnazione di forniture mediche e altro ancora.

"Questo potrebbe consentirci di prevedere le tendenze dell'influenza in modo molto più accurato, " dice il co-autore Tauhidur Rahman, assistente professore di informatica e scienze dell'informazione, chi consiglia il dottorato studente e autore principale Forsad Al Hossain. I risultati del loro studio FluSense sono stati pubblicati mercoledì negli Atti della Association for Computing Machinery on Interactive, Mobile, Tecnologie indossabili e onnipresenti.

Per dare alla loro invenzione una prova nel mondo reale, gli inventori di FluSense hanno collaborato con il Dr. George Corey, direttore esecutivo dei Servizi Sanitari di Ateneo; biostatistico Nicholas Reich, direttore del CDC Influenza Forecasting Center of Excellence con sede a UMass; e l'epidemiologo Andrew Lover, un esperto di malattie trasmesse da vettori e assistente professore presso la School of Public Health and Health Sciences.

La piattaforma FluSense elabora un array di microfoni a basso costo e dati di imaging termico con un Raspberry Pi e un motore di calcolo neurale. Non memorizza informazioni di identificazione personale, come dati vocali o immagini distintive. Nel laboratorio del mosaico di Rahman, dove gli scienziati informatici sviluppano sensori per osservare la salute e il comportamento umani, i ricercatori hanno prima sviluppato un modello di tosse basato su laboratorio. Quindi hanno addestrato il classificatore della rete neurale profonda a disegnare riquadri di delimitazione su immagini termiche che rappresentano persone, e poi contarli. "Il nostro obiettivo principale era costruire modelli predittivi a livello di popolazione, non il livello individuale, "dice Rahman.

Hanno posizionato i dispositivi FluSense, racchiuso in una scatola rettangolare delle dimensioni di un grande dizionario, in quattro sale d'attesa sanitarie presso la clinica University Health Services di UMass.

Da dicembre 2018 a luglio 2019, la piattaforma FluSense ha raccolto e analizzato più di 350, 000 immagini termiche e 21 milioni di campioni audio non vocali dalle aree di attesa pubbliche.

I ricercatori hanno scoperto che FluSense era in grado di prevedere con precisione i tassi di malattia giornalieri presso la clinica universitaria. Insiemi multipli e complementari di segnali FluSense "fortemente correlati" con test di laboratorio per malattie simil-influenzali e l'influenza stessa.

Secondo lo studio, "Le prime informazioni relative ai sintomi acquisite da FluSense potrebbero fornire preziose informazioni aggiuntive e complementari agli attuali sforzi di previsione dell'influenza, " come la rete FluSight, che è un consorzio multidisciplinare di team di previsione dell'influenza, compreso il Reich Lab a UMass Amherst.

"Sono stato interessato ai suoni del corpo non verbali per molto tempo, " Rahman dice. "Ho pensato che se potessimo catturare suoni di tosse o starnuti da spazi pubblici dove molte persone si riuniscono naturalmente, potremmo utilizzare queste informazioni come una nuova fonte di dati per prevedere le tendenze epidemiologiche".

Al Hossain afferma che FluSense è un esempio del potere di combinare l'intelligenza artificiale con l'edge computing, la tendenza all'avanguardia che consente di raccogliere e analizzare i dati direttamente alla fonte dei dati. "Stiamo cercando di portare i sistemi di apprendimento automatico al limite, "Al Hossain dice, indicando i componenti compatti all'interno del dispositivo FluSense. "Tutta l'elaborazione avviene proprio qui. Questi sistemi stanno diventando più economici e più potenti".

Il passaggio successivo consiste nel testare FluSense in altre aree pubbliche e aree geografiche.

"Abbiamo la conferma iniziale che la tosse ha effettivamente una correlazione con la malattia correlata all'influenza, " Dice Lover. "Ora vogliamo convalidarlo al di là di questo specifico ambiente ospedaliero e dimostrare che possiamo generalizzare tra le sedi".