马萨诸塞大学的研究人员发明了一种基于机器学习的便携式监视设备FluSense，该设备可以实时检测咳嗽情况和人群大小，然后分析数据以直接监视类似流感的疾病和流感趋势。FluSense的创建者指出，新的边缘计算平台已计划用于医院、医疗候诊室和较大的公共场所，它能给预测季节性流感和其他病毒性呼吸道疾病。

通过在流感流行期间直接告知公共卫生状况，这些模型是可以拯救生命的。FluSense直接收集并汇报公共卫生状况，“这将能够以更准确的方式预测流感的趋势。”FluSense平台使用Raspberry Pi和神经计算引擎处理低成本的麦克风阵列和热成像数据，但它不存储任何个人身份信息。研究人员将FluSense设备安装在马萨诸塞大学健康服务诊所的4个医疗候诊室中。从2018年12月到2019年7月，FluSense平台收集并分析了来自公共等候区的350 000多幅热图像和2 100万非语音音频样本。

FluSense能够准确地预测大学诊所的日发病率。根据这项研究，“由FluSense捕获的早期症状的相关信息可以为当前的流感预测工作提供有价值的附加和补充信息”。

FluSense是人工智能与边缘计算相结合发挥强大作用的典型案例，边缘计算使得在数据源处收集和分析数据成为可能。下一步，研究团队将在其他公共区域和地理位置测试FluSense。

（编译自：https://www.sciencedaily.com/releases/2020/03/200319125126.htm）

（本刊讯）