Des chercheurs d’Amherst de l’Université du Massachusetts ont inventé un appareil de surveillance portable alimenté par l’apprentissage automatique – appelé FluSense – qui peut détecter la toux et la taille de la foule en temps réel, puis analyser les données pour surveiller directement les maladies pseudo-grippales et les tendances de la grippe.

Les créateurs de FluSense disent que la nouvelle plate-forme informatique de pointe, conçue pour être utilisée dans les hôpitaux, les salles d’attente des soins de santé et les grands espaces publics, pourrait étendre l’arsenal des outils de surveillance de la santé utilisés pour prévoir la grippe saisonnière et d’autres épidémies respiratoires virales, telles que le COVID-19 pandémie ou SRAS.

De tels modèles peuvent sauver des vies en informant directement la riposte 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 restrictions de voyage potentielles, l’allocation de fournitures médicales et plus encore.

« Cela peut nous permettre de prédire les tendances de la grippe d’une manière beaucoup plus précise », explique le co-auteur Tauhidur Rahman, professeur adjoint d’informatique et des sciences de l’information, qui conseille le doctorat. étudiant 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 donner à leur invention un essai réel, les inventeurs de FluSense ont établi un partenariat avec le Dr George Corey, directeur exécutif des services de santé universitaires; le biostatisticien Nicholas Reich, directeur du Centre d’excellence de prévision de la grippe du CDC de l’UMass; et l’épidémiologiste Andrew Lover, spécialiste des maladies à transmission vectorielle et professeur adjoint à l’École de santé publique et des sciences de la santé.

La plate-forme FluSense traite un réseau de microphones à faible coût et des données d’imagerie thermique avec un Raspberry Pi et un moteur de calcul neuronal. Il ne stocke aucune information personnellement identifiable, telle que des données vocales ou des images distinctives. Dans le Mosaic Lab de Rahman, où des informaticiens développent des capteurs pour observer la santé et le comportement humains, les chercheurs ont d’abord développé un modèle de toux en laboratoire. Ils ont ensuite formé le classificateur du réseau neuronal profond à dessiner des boîtes englobantes sur des images thermiques représentant des personnes, puis à les compter. « Notre objectif principal était de construire des modèles prédictifs au niveau de la population, pas au niveau individuel », explique 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 soins de santé à la clinique des services de santé universitaires de l’UMass.

De décembre 2018 à juillet 2019, la plateforme FluSense a collecté et analysé plus de 350000 images thermiques et 21 millions d’échantillons audio non vocaux dans les zones d’attente publiques.

Les chercheurs ont découvert 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» aux tests en laboratoire pour les maladies pseudo-grippales et la grippe elle-même.

Selon l’étude, «les informations précoces liées aux symptômes saisies par FluSense pourraient fournir des informations supplémentaires et complémentaires précieuses aux efforts actuels de prévision de la grippe», comme le FluSight Network, qui est un consortium multidisciplinaire d’équipes de prévision de la grippe, dont le Reich Lab à UMass Amherst.

« Cela fait longtemps que je m’intéresse aux sons corporels non vocaux », explique Rahman. « Je pensais que si nous pouvions capturer des sons de toux ou d’éternuements dans les espaces publics où beaucoup de gens se rassemblent naturellement, nous pourrions utiliser ces informations comme une nouvelle source de données pour prédire les tendances épidémiologiques. »

Al Hossain dit que FluSense est un exemple de la puissance de combiner l’intelligence artificielle avec l’informatique de pointe, la tendance qui repousse les frontières qui permet de recueillir et d’analyser des données directement à la source des données. «Nous essayons de faire évoluer les systèmes d’apprentissage automatique», explique Al Hossain, en montrant les composants compacts à l’intérieur de l’appareil FluSense. « Tout le traitement a lieu ici. Ces systèmes deviennent moins chers et plus puissants. »

La prochaine étape consiste à tester FluSense dans d’autres espaces publics et lieux géographiques.