研究人員說，一種實時跟蹤咳嗽和人群規模的物聯網設備可能會成為一種有用的工具，用于在大批人群中識別流感樣癥狀。

[[320952]]

研究人員稱之為FluSense，它大約相當于字典的大小。它包含一個廉價的麥克風陣列，一個熱傳感器，一個Raspberry Pi和一個Intel Movidius 2神經計算引擎。

這個想法啟發于：利用AI技術對給定時間內的音頻樣本進行分析，確定房間中的人數并好分類。

FluSense的系統高明之處是可以將咳嗽與其他類型的非語音音頻區分開來，因此將咳嗽與給定人群的大小相關聯可以提供有用的指標，以表明有多少人可能會出現類似流感的癥狀。

在2018年12月至2019年7月之間進行的測試中，在麻省大學大學健康服務診所的四個候診室中安裝了FluSense，研究人員表示，他們能夠將系統的結果與流感和其他類似疾病的臨床測試癥狀緊密地聯系起來。

該論文的主要作者，博士生Forsad Al Hossain及其合著者兼顧問，Tauhidur Rahman助理教授認為，FluSense的更大計劃正在醞釀之中。

目前他們正計劃在多個大型公共場所(例如，大型自助餐廳，教室，宿舍，體育館，禮堂)部署FluSense系統，以捕獲來自居住在某個城鎮或城市中的廣泛人群的癥狀信號，“ 他們說。

他們也在尋找資金來進行大規模的試驗。同時還通過擴展FluSense的功能來捕獲更多癥狀信號(例如，FluSense中增加了打噴嚏功能)，從而使傳感能力更加多樣化。這方面的研究中看到相當大的商業化潛力。”

從技術角度來看，FluSense尤其有趣，因為所有有意義的處理工作都是通過Intel神經計算引擎和Raspberry Pi在本地完成的。癥狀信息會無線發送到實驗室進行校對，但是繁重的工作是在邊緣完成的。

Al Hossain和Rahman很快強調說，該設備不會收集個人身份信息——重點是在給定環境中匯總數據，而不是識別任何患者的個人隱私數據入手，并且它收集的信息都經過高度加密，很好地確保了隱私安全。

據研究人員稱，FluSense的重點是將其視為一種健康監視工具，而不是一種診斷設備。

Al Hossain和Rahman說，與其他健康監視技術相比，它具有幾個重要優勢，尤其是基于Internet跟蹤的技術，例如Google Flu Trend和Twitter。

“ FluSense不太容易受到公共衛生運動或廣告的影響。而且，該傳感器的非接觸式特性非常適合捕獲來自不同地理位置和不同群體(包括可能無法獲得醫療保健且可能無法去看醫生/診所的弱勢群體)的癥狀信號。”