准确估计普通人群中疾病流行率的障碍之一是，我们的大部分数据来自医院，而不是世界上99.9%的人不是医院。FluSense是一个自主的、尊重隐私的系统，TA在公共场所对人和咳嗽进行统计，以使卫生当局了解情况。
当然，每年都有流感和感冒季节，尽管今年的情况当然要糟糕得多。但这就像一个普通的流感季节，人们估计多少人患病的主要方法是分析医院和诊所的统计数据。报告“流感疾病样”或某些症状的患者被集中在一起并进行跟踪。但是，那些呆在家里或者生病上班的人呢？
我们不知道我们在这里不知道什么，这使得对疾病趋势的估计--这是疫苗生产和医院人员配置的基础--不那么可靠。不仅如此，TA还可能产生偏见：谁可能去医院，谁更有可能生病？低收入和无医疗保健的人。
马萨诸塞大学的研究人员他们正试图通过一个名为FluSense的自动化系统来缓解这一数据问题，该系统监控公共空间，统计其中的人，并倾听咳嗽声。其中的几个战略位置在一个城市，可以提供大量有价值的数据和洞察流感疾病样的一般人口。
Tauhidur Rahman和ForsadAl Hossain在最近的一篇论文中描述了这一系统。发表在ACM杂志上。FluSense基本上包括一个热摄像机、一个麦克风和一个小型计算系统，里面装有一个机器学习模型，用于检测人和咳嗽的声音。
首先要明确的是，这并不是记录或识别单个面孔；就像摄像机为了设置焦点而进行人脸检测一样，这个系统只看到一个面孔和身体的存在，并使用TA来创建一个视图中的人数。检测到的咳嗽数与人数相比较，还有其他一些指标，如喷嚏和言语量，以产生某种疾病指数--把TA想象为每人每分钟咳嗽一次。
当然，这是一个相对简单的测量，但没有这样的情况，即使在诊所候诊室等病人聚集；招生工作人员没有记录咳嗽的日常报告。人们不仅可以想象出咳嗽的类型，而且还可以想象像人的密集程度这样的视觉标记，以及城市某一地区的疾病指数等位置信息。
拉赫曼说：“我们相信FluSense有潜力扩大用于预测季节性流感和其他病毒呼吸道爆发的健康监测工具的武器库，例如COVID-19大流行或SARS。”“通过了解不同地点症状动态的起起落落，我们可以更好地了解一种新型传染病的严重程度，这样我们就可以实施有针对性的公共卫生干预措施，例如社会隔离或疫苗接种。”
显然，隐私是这样的一个重要考虑因素，拉赫曼解释说，这也是他们决定建造自己的硬件的部分原因，因为正如一些人可能已经意识到的那样，这是一个可以集成到现有相机系统中的系统。
他说：“研究人员从临床护理人员和大学伦理审查委员会那里征求了意见，以确保传感器平台是可接受的，并与病人保护的考虑因素保持一致。”“所有的人都讨论了在病人区域收集任何高分辨率视觉图像的主要犹豫。”
类似地，语音分类器是专门为不保留任何语音数据以外的说话人-不能泄漏敏感的数据。
目前的计划是将FluSense“部署在几个大的公共空间”，其中一项假设是在UMass校园中实现数据多样化。拉赫曼说：“我们也在寻找资金来进行大规模的多城市试验。”
随着时间的推移，这可以与其他用于预测流感病例的第一手和二手指标相结合。控制COVID-19可能不是及时的，但TA很可能帮助卫生当局更好地为下一个流感季节做好计划，这可能会拯救生命。
閱讀更多 科技1plus1 的文章
