Ilmuwan komputer UMass Amherst menguji ‘FluSense’ di ruang tunggu klinik kampus – ScienceDaily

Ilmuwan komputer UMass Amherst menguji ‘FluSense’ di ruang tunggu klinik kampus – ScienceDaily


Peneliti University of Massachusetts Amherst telah menemukan perangkat pengawasan portabel yang didukung oleh pembelajaran mesin – disebut FluSense – yang dapat mendeteksi batuk dan ukuran kerumunan secara real time, kemudian menganalisis data untuk memantau langsung penyakit mirip flu dan tren influenza.

Pencipta FluSense mengatakan platform komputasi tepi baru, yang diharapkan untuk digunakan di rumah sakit, ruang tunggu perawatan kesehatan, dan ruang publik yang lebih besar, dapat memperluas gudang alat pengawasan kesehatan yang digunakan untuk memperkirakan flu musiman dan wabah pernapasan virus lainnya, seperti COVID-19. pandemi atau SARS.

Model seperti ini dapat menjadi penyelamat dengan menginformasikan langsung tanggapan kesehatan masyarakat selama wabah flu. Sumber data ini dapat membantu menentukan waktu kampanye vaksin flu, potensi pembatasan perjalanan, alokasi persediaan medis, dan lainnya.

“Ini memungkinkan kami untuk memprediksi tren flu dengan cara yang jauh lebih akurat,” kata rekan penulis Tauhidur Rahman, asisten profesor ilmu komputer dan informasi, yang menjadi penasihat Ph.D. mahasiswa dan penulis utama Forsad Al Hossain. Hasil studi FluSense mereka diterbitkan Rabu dalam Prosiding Association for Computing Machinery on Interactive, Mobile, Wearable and Ubiquitous Technologies.

Untuk mencoba penemuan mereka di dunia nyata, penemu FluSense bermitra dengan Dr. George Corey, direktur eksekutif Layanan Kesehatan Universitas; ahli biostatistik Nicholas Reich, direktur Pusat Prakiraan Influenza CDC berbasis UMass; dan ahli epidemiologi Andrew Lover, ahli penyakit yang ditularkan melalui vektor dan asisten profesor di Sekolah Ilmu Kesehatan dan Kesehatan Masyarakat.

Platform FluSense memproses rangkaian mikrofon berbiaya rendah dan data pencitraan termal dengan Raspberry Pi dan mesin komputasi saraf. Itu tidak menyimpan informasi yang dapat diidentifikasi secara pribadi, seperti data ucapan atau gambar yang membedakan. Di Lab Mosaik Rahman, tempat ilmuwan komputer mengembangkan sensor untuk mengamati kesehatan dan perilaku manusia, para peneliti pertama kali mengembangkan model batuk berbasis laboratorium. Kemudian mereka melatih pengklasifikasi jaringan neural dalam untuk menggambar kotak pembatas pada gambar termal yang merepresentasikan orang, lalu menghitungnya. “Tujuan utama kami adalah membangun model prediksi di tingkat populasi, bukan tingkat individu,” kata Rahman.

Mereka menempatkan perangkat FluSense, terbungkus dalam kotak persegi panjang seukuran kamus besar, di empat ruang tunggu perawatan kesehatan di klinik Layanan Kesehatan Universitas UMass.

Dari Desember 2018 hingga Juli 2019, platform FluSense mengumpulkan dan menganalisis lebih dari 350.000 gambar termal dan 21 juta sampel audio non-ucapan dari ruang tunggu publik.

Para peneliti menemukan bahwa FluSense mampu secara akurat memprediksi tingkat penyakit harian di klinik universitas. Beberapa rangkaian sinyal FluSense “berkorelasi kuat” dengan pengujian berbasis laboratorium untuk penyakit mirip flu dan influenza itu sendiri.

Menurut penelitian, “informasi terkait gejala awal yang ditangkap oleh FluSense dapat memberikan informasi tambahan dan pelengkap yang berharga untuk upaya prediksi influenza saat ini,” seperti FluSight Network, yang merupakan konsorsium multidisiplin tim peramal flu, termasuk Lab Reich di UMass Amherst.

“Saya sudah lama tertarik dengan suara tubuh non-bicara,” kata Rahman. “Saya pikir jika kami dapat menangkap suara batuk atau bersin dari ruang publik tempat banyak orang berkumpul secara alami, kami dapat memanfaatkan informasi ini sebagai sumber data baru untuk memprediksi tren epidemiologi.”

Al Hossain mengatakan FluSense adalah contoh kekuatan menggabungkan kecerdasan buatan dengan komputasi tepi, tren yang mendorong batas yang memungkinkan data dikumpulkan dan dianalisis tepat di sumber data. “Kami mencoba membawa sistem pembelajaran mesin ke tepi,” kata Al Hossain, menunjuk ke komponen ringkas di dalam perangkat FluSense. “Semua pemrosesan terjadi di sini. Sistem ini menjadi lebih murah dan lebih bertenaga.”

Langkah selanjutnya adalah menguji FluSense di area publik dan lokasi geografis lainnya.

“Kami memiliki validasi awal bahwa batuk memang memiliki korelasi dengan penyakit terkait influenza,” kata Lover. “Sekarang kami ingin memvalidasinya di luar pengaturan rumah sakit khusus ini dan menunjukkan bahwa kami dapat menggeneralisasi di seluruh lokasi.”

Untuk Informasi Lebih lanjut silahkan Kunjungi : Keluaran SGP

Author Image
adminProzen