冠狀病毒大流行和家庭隔離。
在斯坦福大學人類中心AI（HAI）舉辦的“ COVID-19和AI”直播活動中，斯坦福大學教授和HAI聯合主任李飛飛博士介紹了一種基於AI的家用系統的概念跟蹤居民的健康狀況，包括COVID-19的體徵，同時確保隱私。
它旨在使老年人（其中許多人獨自生活）與家庭或醫療照料者保持聯繫。在COVID-19大流行期間照顧老年人的困難在於，保護他們的最佳方法是減少與人的接觸，包括與那些會注意到他們是否表現出疾病症狀的人進行接觸。該系統旨在解決跟蹤老年人健康的問題，而不會使他們面臨接觸危險，並且還允許看護者遠程監視患有現有疾病的老年人的基本健康狀況。
李和她的團隊在演講中說，包括臨床醫生和計算機科學家的跨學科研究小組，在新型冠狀病毒爆發之前已經在從事該項目。“過去幾年來，我們一直在研究一套AI技術如何幫助老齡老年人更加獨立生活並應對慢性病管理。但最近，我們意識到，用於長期護理的相同技術可能也對這種急性大流行的老年人有所幫助。”她說。
該項目仍處於研究階段。團隊需要完成數據集的構建和模型訓練，目前尚不清楚需要多長時間才能完成。但是，部分或整體而言，該系統最初是為一般老年人護理而設計的，對於在大規模檢疫期間進行健康監測非常理想。
該系統將包括安裝在家庭中的攝像機和智能傳感器。演講概述了四種類型的傳感器-相機，深度傳感器，熱傳感器和可穿戴式傳感器（例如FitBit）。李說，他們的研究只集中在前三個方面。她還同意，因為隱私在這樣的系統中很重要，所以相機提出了其他類型的傳感器沒有的挑戰。她說：“攝像頭傳感器包含有關一個人的活動的許多詳細信息，但它與大多數人的隱私需求不兼容。”
當傳感器捕獲數據時，系統會將其發送到安全的中央服務器。李承認，該過程存在固有的安全風險，例如網絡攻擊的威脅。在通過電子郵件答覆VentureBeat的後續問題時，她強調說，研究人員在整個過程中都遵循隱私和安全準則。“例如，我們的邊緣設備配備了磁盤加密功能，數據將刪除[用戶]的隱私屬性（例如人臉模糊），數據將被加密後再傳輸到雲中，並且[我們的服務器是HIPPA-順從。”她說。
一旦數據到達服務器，一組經過批准的臨床醫生和AI專家將對其進行分析和註釋，以開發機器學習模型。“然後訓練AI模型以識別臨床相關模式，包括呼吸，睡眠，飲食和其他行為，” Li說。他們正在尋找的模式是圍繞著日常生活活動（ADL）進行的，這可能表明健康狀況惡化-換句話說，該模型著重於研究特定的措施。這並不是對居民的所有日常活動的深入和廣泛的分析，李說，這是找到“良好的公用事業-私人權衡”的一種方式。
然後將訓練後的模型部署到邊緣設備，其中檢測系統可以在本地運行。這將創建一個閉環系統，其中沒有數據必須離開房屋。這本質上是安全的，但是它使得無法對模型進行任何進一步的培訓。研究人員制定瞭解決此限制的計劃，李在她通過電子郵件發送給VentureBeat時概述了這一計劃。“我們設想，將使用聯合學習，以無人監督的方式（即，無需人工註釋）對每個邊緣設備上的模型進行更新，以適應新環境並提高魯棒性。通過使用聯合學習，我們希望通過將攻擊面限制在僅設備而非設備和雲上來減少隱私和安全風險。”
最後，系統還需要一種將智能傳感器檢測結果傳遞給醫療護理人員或家庭成員的方法。李說，該團隊尚未找到具體的解決方案，但正在考慮使用移動應用程序或Web界面，這兩種方法都可以通過多因素身份驗證來保護。
李結束了一些警告。“ [這些傳感器]並不是要做出診斷性決策或代替臨床醫生，而是可以持續出現，隨時關注我們在家中老齡化的人口，並[及時]向臨床醫生和家人發出警報。”說過。
她說：“當然，在這項研究的每一步以及這項技術的部署中，我們都必須對道德，隱私和安全方面的挑戰進行深思熟慮。”
當前的流行病帶來的挑戰不僅包括確保老年人的安全和健康，還包括更廣泛地關注迫切需要跟蹤的疾病和應該被隔離的人群。該系統似乎具有一些組件，可以進行一些跟蹤，而不會侵犯公民權利和隱私權。但是李光耀不願涉足這些領域，只是說：“我們的目標是提出尖端的計算機視覺和機器學習技術，以幫助解決醫療保健中一些最重要和最具挑戰性的問題，並提出道德，隱私，和AI醫療保健研究的安全指南。”
其他一些由AI驅動的家庭監控系統也涉及可穿戴設備，例如Current Health，iRhythm和LiveFreely。諸如Care.ai的解決方案利用計算機視覺來採取非接觸式監視方法，並且這種方式類似於Li團隊正在開發的概念，但是Care.ai的系統是為醫院而不是家庭護理而設計的。
李說，該研究項目正在進行中，研究小組仍專注於該項目的科學。但是，他們已經與致力於優質高級護理的組織On Lok合作，在舊金山的一家輔助生活設施中完成了一項試點研究，並將進入下一階段的研究。
閱讀更多 月影沙丘的故事 的文章
