Los investigadores de la Universidad de Massachusetts Amherst han inventado un dispositivo de vigilancia portátil impulsado por el aprendizaje automático, llamado FluSense, que puede detectar la tos y el tamaño de la multitud en tiempo real, luego analizar los datos para controlar directamente las enfermedades similares a la gripe y las tendencias de la gripe.
Los creadores de FluSense dicen que la nueva plataforma de computación de borde, prevista para su uso en hospitales, salas de espera de atención médica y espacios públicos más grandes, puede ampliar el arsenal de herramientas de vigilancia de la salud utilizadas para pronosticar la gripe estacional y otros brotes respiratorios virales, como el COVID-19 pandemia o SARS.
Modelos como estos pueden salvar vidas al informar directamente la respuesta de salud pública durante una epidemia de gripe. Estas fuentes de datos pueden ayudar a determinar el momento de las campañas de vacuna contra la gripe, las posibles restricciones de viaje, la asignación de suministros médicos y más.
"Esto puede permitirnos predecir las tendencias de la gripe de una manera mucho más precisa", dice el coautor Tauhidur Rahman, profesor asistente de informática y ciencias de la información, que asesora al estudiante de doctorado y autor principal Forsad Al Hossain. Resultados desu estudio FluSense se publicó el miércoles en las Actas de la Asociación para la Computación de Maquinaria en Tecnologías Interactivas, Móviles, Usables y Ubicuas.
Para dar a su invención una prueba del mundo real, los inventores de FluSense se asociaron con el Dr. George Corey, director ejecutivo de los Servicios de Salud de la Universidad; el bioestadístico Nicholas Reich, director del Centro de Excelencia de Pronóstico de Influenza de los CDC con sede en UMass y el epidemiólogo Andrew Lover, un experto en enfermedades transmitidas por vectores y profesor asistente en la Facultad de Salud Pública y Ciencias de la Salud.
La plataforma FluSense procesa una matriz de micrófonos de bajo costo y datos de imágenes térmicas con un Raspberry Pi y un motor de computación neuronal. No almacena información de identificación personal, como datos del habla o imágenes distintivas. En el Laboratorio de mosaicos de Rahman, donde los científicos informáticos desarrollan sensoresPara observar la salud y el comportamiento humano, los investigadores primero desarrollaron un modelo de tos basado en laboratorio. Luego entrenaron al clasificador de redes neuronales profundas para dibujar cuadros delimitadores en imágenes térmicas que representan a las personas, y luego contarlos. "Nuestro objetivo principal era construir prediccionesmodelos a nivel de población, no a nivel individual ", dice Rahman.
Colocaron los dispositivos FluSense, encerrados en una caja rectangular del tamaño de un diccionario grande, en cuatro salas de espera de atención médica en la clínica de Servicios de Salud de la Universidad de UMass.
De diciembre de 2018 a julio de 2019, la plataforma FluSense recopiló y analizó más de 350,000 imágenes térmicas y 21 millones de muestras de audio sin voz de las áreas de espera públicas.
Los investigadores descubrieron que FluSense podía predecir con precisión las tasas diarias de enfermedad en la clínica de la universidad. Conjuntos múltiples y complementarios de señales FluSense "fuertemente correlacionados" con pruebas de laboratorio para enfermedades similares a la gripe y la gripe en sí.
Según el estudio, "la información temprana relacionada con los síntomas capturada por FluSense podría proporcionar información valiosa adicional y complementaria a los esfuerzos actuales de predicción de la gripe", como la Red FluSight, que es un consorcio multidisciplinario de equipos de pronóstico de la gripe, incluido el ReichLaboratorio en UMass Amherst.
"He estado interesado en los sonidos corporales que no son del habla durante mucho tiempo", dice Rahman. "Pensé que si pudiéramos capturar los sonidos de tos o estornudos de los espacios públicos donde muchas personas se congregan naturalmente, podríamos utilizar esta información"como una nueva fuente de datos para predecir tendencias epidemiológicas "
Al Hossain dice que FluSense es un ejemplo del poder de combinar la inteligencia artificial con la informática de vanguardia, la tendencia que empuja las fronteras y permite que los datos se recopilen y analicen directamente en la fuente de datos ". Estamos tratando de llevar los sistemas de aprendizaje automático a", dice Al Hossain, señalando los componentes compactos dentro del dispositivo FluSense." Todo el procesamiento ocurre aquí mismo. Estos sistemas se están volviendo más baratos y más potentes ".
El siguiente paso es probar FluSense en otras áreas públicas y ubicaciones geográficas.
"Tenemos la validación inicial de que la tos tiene una correlación con la enfermedad relacionada con la gripe", dice Lover. "Ahora queremos validarla más allá de este entorno hospitalario específico y demostrar que podemos generalizar en todos los lugares".
Fuente de la historia :
Materiales proporcionado por Universidad de Massachusetts Amherst . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :