L’appareil FluSense abrite ces composants.
Les chercheurs de l’Université du Massachusetts Amherst ont inventé un appareil de surveillance portable alimenté par de l’apprentissage machine – baptisé FluSense – qui peut détecter la toux et la taille d’une foule en temps réel, puis analyser les données afin de surveiller directement les maladies de type grippal et les tendances de la grippe.
Les créateurs de FluSense affirment que la nouvelle plateforme informatique de pointe, prévue pour être utilisée dans les hôpitaux, les salles d’attente des services de santé et les grands espaces publics, pourrait élargir l’arsenal des outils de surveillance sanitaire utilisés pour prévoir la grippe saisonnière et d’autres épidémies respiratoires virales, comme la pandémie COVID-19 ou le SRAS.
Les informaticiens de l’Université de Massichusetts Amherst ont testé « FluSense » dans les salles d’attente des cliniques du campus. Tauhidur Rahman, à gauche, et Forsad Al Hossain montrent le dispositif FluSense qu’ils ont inventé.
De tels modèles peuvent sauver des vies en informant directement la réponse de santé publique lors d’une épidémie de grippe. Ces sources de données peuvent aider à déterminer le calendrier des campagnes de vaccination contre la grippe, les éventuelles restrictions de voyage, l’attribution des fournitures médicales, etc.
« Cela peut nous permettre de prévoir les tendances de la grippe de manière beaucoup plus précise », déclare le co-auteur Tauhidur Rahman, professeur adjoint en informatique et en sciences de l’information, qui conseille l’étudiant en doctorat et auteur principal Forsad Al Hossain. Les résultats de leur étude FluSense ont été publiés mercredi dans les actes de l’Association for Computing Machinery on Interactive, Mobile, Wearable and Ubiquitous Technologies.
Pour tester leur invention dans le monde réel, les inventeurs de FluSense se sont associés au Dr George Corey, directeur exécutif des services de santé de l’université, au biostatisticien Nicholas Reich, directeur du centre d’excellence des CDC (Center for Desease Control and Prevention) pour la prévision de la grippe, basé à l’université, et à l’épidémiologiste Andrew Lover, expert en maladies à transmission vectorielle et professeur adjoint à l’école de santé publique et des sciences de la santé.
La plateforme FluSense traite un réseau de microphones et des données d’imagerie thermique à faible coût avec un moteur de calcul neuronal et Raspberry Pi. Elle ne stocke aucune information personnelle identifiable, comme des données vocales ou des images distinctives. Dans le laboratoire Mosaic de Tauhidur Rahman, où les informaticiens mettent au point des capteurs pour observer la santé et le comportement humains, les chercheurs ont d’abord développé un modèle de toux en laboratoire. Puis ils ont formé le classificateur du réseau neuronal profond à dessiner des boîtes de délimitation sur des images thermiques représentant des personnes, puis à les compter. « Notre principal objectif était de construire des modèles prédictifs au niveau de la population, et non au niveau individuel », explique M. Rahman.
Ils ont placé les appareils FluSense, enfermés dans une boîte rectangulaire de la taille d’un grand dictionnaire, dans quatre salles d’attente de la clinique universitaire des services de santé de l’UMass.
De décembre 2018 à juillet 2019, la plateforme FluSense a recueilli et analysé plus de 350 000 images thermiques et 21 millions d’échantillons audio non vocaux provenant des salles d’attente publiques.
Les chercheurs ont constaté que FluSense était capable de prédire avec précision les taux de maladie quotidiens à la clinique universitaire. Des ensembles multiples et complémentaires de signaux FluSense sont « fortement corrélés » avec les tests en laboratoire pour les maladies de type grippal et la grippe elle-même.
Selon l’étude, « les premières informations liées aux symptômes saisies par FluSense pourraient fournir des informations supplémentaires et complémentaires précieuses aux efforts actuels de prévision de la grippe », comme le réseau FluSight, qui est un consortium multidisciplinaire d’équipes de prévision de la grippe, dont le Reich Lab de l’UMass Amherst.
« Cela fait longtemps que je m’intéresse aux sons corporels non vocaux », déclare M. Rahman. « J’ai pensé que si nous pouvions capturer les sons de la toux ou des éternuements dans les espaces publics où beaucoup de gens se rassemblent naturellement, nous pourrions utiliser ces informations comme une nouvelle source de données pour prévoir les tendances épidémiologiques ».
Selon Al Hossain, FluSense est un exemple de la puissance de la combinaison de l’intelligence artificielle et de l’informatique de pointe, cette tendance à repousser les frontières qui permet de recueillir et d’analyser les données à la source même. « Nous essayons d’amener les systèmes d’apprentissage à la frontière », explique Al Hossain, en montrant les composants compacts à l’intérieur du dispositif FluSense. « Tout le traitement se fait ici. Ces systèmes deviennent moins chers et plus puissants ».
L’étape suivante consiste à tester FluSense dans d’autres zones publiques et lieux géographiques.
« Nous avons la validation initiale que la toux a effectivement une corrélation avec les maladies liées à la grippe », déclare Lover. « Nous voulons maintenant la valider au-delà de ce cadre hospitalier spécifique et montrer que nous pouvons généraliser à d’autres endroits ».
https://www.umass.edu/newsoffice/article/portable-ai-device-turns-coughing-sounds
