استفاده از فناوری‌های نوین و اینترنت اشیا برای تشخیص بیماری کرونا

محققان دانشگاه UMass می‌گویند که استفاده از یک دستگاه Raspberry Pi edge می‌تواند به شناسایی علائم شبه آنفلوانزا کمک کند و دامنه وسیعی از ابزارهای مورد استفاده برای ردیابی شیوع بیماری را افزایش می‌دهد.

به گفته تیمی از محققان دانشگاه UMass، یک دستگاه اینترنت اشیا (IoT) که بتواند سرفه و اندازه تراکم جمعیت را در زمان واقعی رهگیریکند، می تواند به ابزاری مفیدی برای شناسایی وجود علائم شبه آنفلوانزا در میان گروه های بزرگی از مردم تبدیل شود.

FluSense، شامل یک آرایه میکروفون ارزان‌قیمت، یک سنسور حرارتی، یک Raspberry Pi و یک موتور محاسباتی عصبی Intel Movidius 2 است. ایده اصلی بر این استوار است که از هوش مصنوعی (AI) در لبه (Edge) استفاده شود تا نمونه‌های صوتی طبقه‌بندی شوند و تعداد افراد یک اتاق را در هر زمان معین مشخص کند.

از آنجا که این سیستم می‌تواند سرفه را از سایر انواع صوتی غیر گفتاری متمایز کند، ارتباط سرفه با اندازه یک جمعیت مشخص می‌تواند یک شاخص مفید از اینکه چه تعداد از افراد ممکن است علائم مانند آنفولانزا را تجربه کنند را به شما ارائه دهد.

در آزمایشی که بین دسامبر سال 2018 و ژانویه سال 2019 انجام شد، FluSense در چهار اتاق انتظار در کلینیک خدمات بهداشتی دانشگاه UMass نصب شد و محققان گفتند که آنها توانستند نتایج سیستم را با آزمایش بالینی آنفلوانزا و سایر بیماری‌های مشابه را به طور صحیح تطبیق دهند.

طبق گفته نگارنده این مقاله برنامه‌های بزرگتری برای FluSense در دست اقدام است، "آنها قصد دارند سیستم FluSense را در چندین مکان بزرگ عمومی (به عنوان مثال، کافه تریای بزرگ، کلاس، خوابگاه، سالن بدنسازی، سالن اجتماعات) مستقر کنند تا سیگنال‌های سندرم را از طیف گسترده‌ای از افرادی که در یک شهر زندگی می‌کنند را ضبط کنند. همچنین به دنبال بودجه برای اجرای یک آزمایش در مقیاس بزرگ در سطح شهر هستند. با گسترش توانایی FluSense در ضبط سیگنال‌های سندروم بیشتر، توانایی سنجش متنوع‌تر خواهد شد (بعنوان مثال، اخیراً قابلیت سنجش عطسه را به FluSense اضافه شده است) و قطعاً این تحقیق از سطح قابل توجهی از پتانسیل تجاری سازی برخوردار است."

FluSense از نظر فنی بسیار جالب است زیرا همه کارهای پردازش معنی‌دار به صورت محلی و از طریق موتور محاسبات عصبی اینتل و Raspberry Pi انجام می‌شود. اطلاعات علائم به طور بی‌سیم برای آزمایش کولاسیون ارسال می‌شود. الحسین و رحمان سریعاً تأكید كردند كه این دستگاه اطلاعات شناسایی شخصی را جمع‌آوری نمی‌كند بلکه تأكید بیشتر بر جمع‌آوری داده‌ها با یک تنظیمات معین است نه شناسایی بیماری در هر بیمار. هر آنچه که دستگاه جمع‌آوری می‌كند، رمزگذاری می‌شود و نگرانی در مورد حریم خصوصی داده‌های افراد وجود ندارد.

به گفته محققان نکته اصلی FluSense این است که به جای یک قطعه تجهیزات تشخیصی، باید به آن به عنوان یک ابزار نظارت بر سلامت نگاه کنیم که مزایای مهمی در مقایسه با سایر تکنیک‌های نظارت بر سلامت، بویژه مواردی که مبتنی بر ردیابی اینترنت هستند نظیر Google Flu Trend و Twitter دارد.

FluSense به راحتی تحت تأثیر کارزارها یا تبلیغات بهداشت عمومی قرار نمی‌گیرد. همچنین، ماهیت بدون تماس این سنسور برای گرفتن سیگنال‌های سندروم به صورت انفعالی از مکانهای مختلف جغرافیایی و گروه‌های مختلف (از جمله افراد محروم که ممکن است به مراقبت‌های بهداشتی دسترسی نداشته باشند و ممکن است به پزشک یا کلینیک مراجعه نکنند) ایده‌آل است.