将有关个人健康的问题与智能手表传感器的数据相结合，CovidDeep应用程序可以在几分钟内预测某人是否感染了新冠肺炎病毒。鸣谢:Sameer A. Khan/ Fotobuddy将关于一个人健康的问题与智能手表传感器的数据相结合，普林斯顿大学研究开发的一款新应用程序可以在几分钟内预测某人是否感染了新冠肺炎病毒。这种新型诊断工具源于普林斯顿大学电子和计算机工程教授Niraj Jha的研究。他的团队正在开发用于新冠肺炎检测的人工智能(AI)技术，以及对抑郁症、双相情感障碍、精神分裂症、糖尿病和镰状细胞病等慢性病的诊断和监测。
NeuTigers是一家旨在将Jha的工作商业化的公司，根据美国食品和药物管理局(FDA)关于“作为医疗设备的软件”的规定，该公司向FDA申请其COVIDDeep产品的许可。Shayan Hassantabar是Jha小组的一名博士生，他是IEEE Transactions on Consumer Electronics的一篇论文的第一作者，该论文描述了COVIDDeep的开发和测试。该软件将心率、皮肤温度和皮肤电反应的智能手表传感器读数与血压和氧饱和度以及关于COVID症状的问卷调查相结合。
Jha在普林斯顿的研究小组长期以来一直专注于将一种称为深度学习的人工智能应用于手机和手表等低功耗电子设备，而不是集中式云计算中心。这种方法被称为edge AI，具有帮助保护用户隐私和增加安全性的额外好处。一项关键的创新是模拟人类大脑发育的精简神经网络(neu)。
“这是一个非常通用的框架，”Jha说。“智能医疗只是其中一个应用。我们还将其应用于网络安全和其他物联网应用。”他说，与预防性医疗干预类似，机器学习模型可以发现异常模式，并在网络攻击发生前帮助修复软件漏洞。
近年来，Jha的团队已经探索了edge AI在医疗保健领域的应用，如从智能手表和智能手机传感器数据中无创检测糖尿病和精神健康障碍。
2017年秋天，前制药高管Adel Laoui旁听了Jha关于“预测数据分析的机器学习”的课程，并对该技术产生了兴趣。Laoui有开发和部署疾病管理新技术的经验，他在课程结束后找到了Jha。在与Jha的博士生进一步讨论后，他们于2018年6月推出了NeuTigers。
“我们在利益上看到了很多交集，”贾说。“在edge AI的帮助下，智能医疗保健正在起飞，因此这是该领域初创公司的大好时机。阿黛尔与天使投资者有很多联系，所以它发展得非常快。
Jha实验室的几项专利技术已被授权给NeuTigers，包括诊断糖尿病和精神健康状况的方法，以及物联网系统中的安全漏洞检测。
当新冠肺炎疫情在2020年3月宣布时，Jha想知道他的团队的深度学习方法是否可以用于诊断该病毒——特别是在有可能传播COVID-19但没有明显症状的人中，这是控制该疾病的一个主要问题。
“假设是这种疾病在我们身体发出的生理信号上留下了独特的签名，”Jha说。“这个假设似乎是正确的，至少对于我们观察的几种疾病来说是正确的，所以我的想法是看看我们是否可以用这种方法来诊断新冠肺炎。”
CovidDeep使用智能手表传感器读数和症状问卷来检测新冠肺炎。鸣谢:Sameer A. Khan/ Fotobuddy Jha和Laoui与费城托马斯·杰斐逊大学外科教授、杰斐逊意大利中心执行主任Ignazio Marino取得了联系。
2020年5月，在意大利北部最初的欧洲新冠肺炎集群的末端，NeuTigers CTO Vishu Ghanakota前往意大利帕维亚，为圣马力诺在圣马特奥医院的同事提供医疗级智能手表、软件应用和培训材料。临床研究人员收集了87名个体的数据，其中30名通过PCR检测COVID为阴性；另有30人检测呈阳性且有症状，27人检测呈阳性且无症状。
这些数据包括60分钟的智能手表传感器读数，包括心率、皮肤温度和皮肤电反应(衡量汗腺活动的指标)，分为15秒的间隔。另外，临床医生测量了参与者的血压和氧饱和度水平，并回答了一份问卷，该问卷表明每个参与者是否有呼吸急促、咳嗽、发烧或其他八种症状中的任何一种。
由博士生Hassantabar领导的普林斯顿研究人员使用这些数据的一个子集来训练神经网络模型，以预测患者的新冠肺炎状态，并使用另一个子集来测试结果模型。该小组发现，他们的模型在检测新冠肺炎病毒时有98.1%的准确率。
Hassantabar用来提高模型准确性的一种方法是添加基于真实数据的概率分布获得的合成数据——这是一种广泛适用的技术，Jha的团队首次将其用于其他应用。他使用的另一种方法是基于Jha小组开发的生长-修剪神经网络合成范式。
此后，研究人员在法国进行了更大规模的现场试验，验证了这种方法，美国和阿尔及利亚的卫生组织也在员工中试用了COVIDDeep。为了更广泛地采用COVIDDeep，NeuTigers正在努力使其与三星、Fitbit和苹果智能手表的某些类型兼容，这些智能手表还将集成血压和脉搏血氧计测量。
负责该研究临床数据收集的马里诺表示，在许多情况下，将临床数据手动输入智能手机应用程序可能是另一种有用的筛查方法，特别是因为智能手机在全球范围内比智能手表更普遍。Laoui说，另一方面，对于许多用户来说，单独使用智能手表可能更可取，研究人员也在努力调整神经网络模型，以适应智能手表更有限的计算能力。
马里诺说:“我认为这可能远远优于(快速抗原测试)，因为你在家里自己做的快速测试的准确性是有限的。”“将棉签推入鼻子显然是一种不适，我不知道人们是否会像他们需要的那样准确地做到这一点。但是如果你的手腕上有一个设备，它不是侵入性的，并且完全独立于人类的物理操作，我认为那会好得多。”
马里诺还表示希望这项技术能够改善糖尿病等普遍疾病的早期诊断。“在美国有数百万人患有早期糖尿病，这可能是很好治疗的，但他们不知道，”他说。他补充说，拥有导致早期诊断的新信息可能会导致“非常成功的治疗”。
Laoui有兴趣探索这些方法在其他疾病诊断和监测中的应用，如心血管疾病和败血症感染，这两种疾病都是世界老龄化人口面临的越来越多的问题。
“我们将在手表中嵌入一个疾病模型库，我们将不时地通过这些疾病模型运行传感器的信息，这将是个性化的，”Laoui说。如果有什么问题或异常，我们会以有意义的方式通知您。我相信这个智能医疗保健的新时代将由边缘人工智能应用提供动力，并将重新定义医疗保健服务和消费者福祉。"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
