冠状病毒大流行和家庭隔离。
在斯坦福大学人类中心AI（HAI）举办的“ COVID-19和AI”直播活动中，斯坦福大学教授和HAI联合主任李飞飞博士介绍了一种基于AI的家用系统的概念跟踪居民的健康状况，包括COVID-19的体征，同时确保隐私。
它旨在使老年人（其中许多人独自生活）与家庭或医疗照料者保持联系。在COVID-19大流行期间照顾老年人的困难在于，保护他们的最佳方法是减少与人的接触，包括与那些会注意到他们是否表现出疾病症状的人进行接触。该系统旨在解决跟踪老年人健康的问题，而不会使他们面临接触危险，并且还允许看护者远程监视患有现有疾病的老年人的基本健康状况。
李和她的团队在演讲中说，包括临床医生和计算机科学家的跨学科研究小组，在新型冠状病毒爆发之前已经在从事该项目。“过去几年来，我们一直在研究一套AI技术如何帮助老龄老年人更加独立生活并应对慢性病管理。但最近，我们意识到，用于长期护理的相同技术可能也对这种急性大流行的老年人有所帮助。”她说。
该项目仍处于研究阶段。团队需要完成数据集的构建和模型训练，目前尚不清楚需要多长时间才能完成。但是，部分或整体而言，该系统最初是为一般老年人护理而设计的，对于在大规模检疫期间进行健康监测非常理想。
该系统将包括安装在家庭中的摄像机和智能传感器。演讲概述了四种类型的传感器-相机，深度传感器，热传感器和可穿戴式传感器（例如FitBit）。李说，他们的研究只集中在前三个方面。她还同意，因为隐私在这样的系统中很重要，所以相机提出了其他类型的传感器没有的挑战。她说：“摄像头传感器包含有关一个人的活动的许多详细信息，但它与大多数人的隐私需求不兼容。”
当传感器捕获数据时，系统会将其发送到安全的中央服务器。李承认，该过程存在固有的安全风险，例如网络攻击的威胁。在通过电子邮件答复VentureBeat的后续问题时，她强调说，研究人员在整个过程中都遵循隐私和安全准则。“例如，我们的边缘设备配备了磁盘加密功能，数据将删除[用户]的隐私属性（例如人脸模糊），数据将被加密后再传输到云中，并且[我们的服务器是HIPPA-顺从。”她说。
一旦数据到达服务器，一组经过批准的临床医生和AI专家将对其进行分析和注释，以开发机器学习模型。“然后训练AI模型以识别临床相关模式，包括呼吸，睡眠，饮食和其他行为，” Li说。他们正在寻找的模式是围绕着日常生活活动（ADL）进行的，这可能表明健康状况恶化-换句话说，该模型着重于研究特定的措施。这并不是对居民的所有日常活动的深入和广泛的分析，李说，这是找到“良好的公用事业-私人权衡”的一种方式。
然后将训练后的模型部署到边缘设备，其中检测系统可以在本地运行。这将创建一个闭环系统，其中没有数据必须离开房屋。这本质上是安全的，但是它使得无法对模型进行任何进一步的培训。研究人员制定了解决此限制的计划，李在她通过电子邮件发送给VentureBeat时概述了这一计划。“我们设想，将使用联合学习，以无人监督的方式（即，无需人工注释）对每个边缘设备上的模型进行更新，以适应新环境并提高鲁棒性。通过使用联合学习，我们希望通过将攻击面限制在仅设备而非设备和云上来减少隐私和安全风险。”
最后，系统还需要一种将智能传感器检测结果传递给医疗护理人员或家庭成员的方法。李说，该团队尚未找到具体的解决方案，但正在考虑使用移动应用程序或Web界面，这两种方法都可以通过多因素身份验证来保护。
李结束了一些警告。“ [这些传感器]并不是要做出诊断性决策或代替临床医生，而是可以持续出现，随时关注我们在家中老龄化的人口，并[及时]向临床医生和家人发出警报。”说过。
她说：“当然，在这项研究的每一步以及这项技术的部署中，我们都必须对道德，隐私和安全方面的挑战进行深思熟虑。”
当前的流行病带来的挑战不仅包括确保老年人的安全和健康，还包括更广泛地关注迫切需要跟踪的疾病和应该被隔离的人群。该系统似乎具有一些组件，可以进行一些跟踪，而不会侵犯公民权利和隐私权。但是李光耀不愿涉足这些领域，只是说：“我们的目标是提出尖端的计算机视觉和机器学习技术，以帮助解决医疗保健中一些最重要和最具挑战性的问题，并提出道德，隐私，和AI医疗保健研究的安全指南。”
其他一些由AI驱动的家庭监控系统也涉及可穿戴设备，例如Current Health，iRhythm和LiveFreely。诸如Care.ai的解决方案利用计算机视觉来采取非接触式监视方法，并且这种方式类似于Li团队正在开发的概念，但是Care.ai的系统是为医院而不是家庭护理而设计的。
李说，该研究项目正在进行中，研究小组仍专注于该项目的科学。但是，他们已经与致力于优质高级护理的组织On Lok合作，在旧金山的一家辅助生活设施中完成了一项试点研究，并将进入下一阶段的研究。
閱讀更多 月影沙丘的故事 的文章
