边缘AI：在智能手表上检测新冠病毒？
将有关个人健康状况的问题与来自智能手表传感器的数据相结合，一款使用普林斯顿大学研究开发的新应用程序可以在几分钟内预测某人是否感染了COVID-19。
这种新型诊断工具源于普林斯顿大学电气和计算机工程教授Niraj Jha领导的研究。他的团队正在开发用于COVID-19检测的人工智能（AI）技术，以及诊断和监测慢性病，包括抑郁症，双相情感障碍，精神分裂症，糖尿病和镰状细胞病。
NeuTigers是一家为将Jha的工作商业化而成立的公司，根据该机构对"软件作为医疗设备"的规定，向美国FDA申请了其CovidDeep产品的许可。该软件集成了智能手表传感器的心率、皮肤温度和皮肤电反应读数以及血压和血氧饱和度水平，以及有关COVID症状的问卷调查。
Jha在普林斯顿大学的研究小组长期以来一直专注于适应一种称为深度学习的AI，这种AI通常是能源密集型的，可以在手机和手表等低功耗电子设备上运行，而不是集中式云计算中心。这种方法被称为边缘AI，具有帮助保护用户隐私和提高安全性的额外好处。一个关键的创新是模仿人脑发育的精简神经网络。
"这是一个非常普遍的框架，"Jha说，"智能医疗保健只是一个应用。我们还将其应用于网络安全和其他物联网应用。"与预防性医疗干预类似，机器学习模型可以发现异常模式，并在网络攻击发生之前帮助修复软件漏洞。
近年来，Jha的团队探索了医疗保健应用的边缘AI，例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年秋季，前制药主管Adel Laoui对Jha的"用于预测数据分析的机器学习"课程进行了考察，并对这项技术产生了浓厚的兴趣。Laoui具有开发和部署疾病管理新技术的经验，他在课程结束后与Jha联系。在与Jha的博士生进一步讨论后，他们于2018年6月创办了NeuTigers公司。
Jha实验室的几项专利技术已授权给NeuTigers，包括诊断糖尿病和心理健康状况的方法，以及物联网系统中的安全漏洞检测方法。
当2020年3月COVID-19爆发时，Jha想知道他的团队的深度学习方法是否可用于诊断该病毒，特别是在有可能传播COVID-19而没有明显症状的人中，这是控制疾病的主要问题。
"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特征，"Jha说，"这个假设似乎是正确的，至少对于我们研究过的几种疾病来说，所以我的想法是看看我们是否可以以这种方式诊断COVID-19。
CovidDeep使用智能手表传感器读数和症状问卷来检测COVID-19。
Jha和Laoui与费城托马斯杰斐逊大学外科教授兼杰斐逊意大利中心执行主任Ignazio Marino取得了联系。
2020年5月，在意大利北部欧洲首次出现COVID-19集群的尾声，NeuTigers首席技术官Vishu Ghanakota前往意大利帕维亚，向圣马特奥医院的Marino同事提供医疗级智能手表，软件应用程序和培训材料。临床研究人员收集了87人的数据，其中30人通过PCR检测呈COVID阴性;另有30例检测呈阳性并有症状，27例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（汗腺活动的量度），分为15秒间隔。另外，临床医生测量了参与者的血压和血氧饱和度水平，并回答了一份问卷，表明每个参与者是否有呼吸急促、咳嗽、发烧或其他8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来预测患者的COVID-19状态，并使用另一个子集来测试结果模型。该团队发现，他们的模型在检测COVID-19方面的准确率为98.1%。
Hassantabar用于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Jha小组首次用于其他应用的广泛适用的技术。他使用的另一种方法是基于Jha小组开发的生长和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，验证了该方法，美国和阿尔及利亚的卫生组织在其员工中试用了CovidDeep。为了更广泛地采用CovidDeep，NeuTigers正在努力使其与某些类型的三星、Fitbit和Apple等智能手表兼容，这些智能手表还将集成血压和脉搏血氧仪测量。
在许多环境中，手动将临床数据输入智能手机应用程序可能是另一种有用的筛选方法，特别是因为智能手机在全球范围内比智能手表更常见，负责该研究临床数据收集的Marino说。另一方面，Laoui表示，对于许多用户来说，单独使用智能手表可能更可取，研究人员也在努力使神经网络模型适应智能手表更有限的计算能力。
"我认为这可能远远优于快速抗原检测，因为你自己在家进行的快速检测的准确性是有限的，"Marino说，"将拭子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非侵入性的设备，并且完全独立于人类的物理操作，我认为这要好得多。"
Laoui有兴趣探索这些方法用于诊断和监测其他疾病，如心血管疾病和败血症感染，这两者都增加了世界老龄化人口的问题。
"我们将在手表中嵌入一个疾病模型库，我们将不时通过这些疾病模型运行传感器的信息，这些信息将是个性化的，"Laoui说，"如果有什么问题或异常情况，我们将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AI应用程序提供支持，并将重新定义医疗保健服务和消费者福祉。"
COVID-19对制造业数字化的影响
随着新冠疫情在世界范围内肆虐，制造企业经历了一场彻底的、不可逆转的变革。这场危机虽然具有挑战性，但为在不可预测的时期运行和优化组织提供了深刻的见解。
简而言之，它展示了工业运营如何在几乎一夜之间被颠覆。劳动力的日常工作、供应链、基本维护和零件流动被打乱，而边境关闭和需求空前下降挤压了本已紧张的经济运营。
为了在这个勇敢的新世界中茁壮成长，需要以变革性行动来应对。有研究显示，这场危机使工业部门的数字化转型快进了大约五年。一些发展中的技术将支撑制造行业向可持续、优化和简化的未来发展。
云计算
工业部门正在迅速数字化。最初对迁移到云犹豫不决的公司被迫在突入起来的疫情中采取行动，现在他们看到了转型的好处。云采用正在迅速加速，根据IDC的数据，工业数据量将在未来四年内增加两倍，到2024年将超过159 ZB。
通过利用云，公司可以整合独立的产品，将AI模块链接在一起，形成更广泛的智能，从而实现更高效的性能。集成系统带来了集成分析。
人工智能
随着AI变得越来越复杂，有了更广泛的用例，它允许组织提高生产力并做出更好的决策。通过统一的智能分析，连接完整的数据栈，团队可以在所有活动中利用数学思维过程。IDC最近的一份报告预测，在加速数字化的努力中，到2023年全球AI系统的支出将达到980亿美元，是2019年支出的2.5倍以上。
通过利用机器学习的强大功能，还可以改变资产性能。使用知识图谱（整个资产的数据地图，使用AI和机器学习来建立联系），随着时间的推移，软件会了解最佳资产管理所需的关键流程和组件。知识图谱使用这些信息来帮助定义资产的安全运行范围，并自动通知业主安全、性能或其他指标的关键阈值正在达到或超过。
互联的人员和数据
疫情导致员工停工的影响迫使全球的工业企业迅速加速向数字化的迁移。在云、工业物联网（IIoT）、数字化双胞胎和 AI 等技术的帮助下，企业通过将核心流程连接到统一的远程数字环境中，克服了供应链、生产和分销的复杂性障碍。
多重体验和数据可视化正在为企业带来新的价值。这些创新技术使公司能够在一维、二维、三维、实时或完全沉浸式虚拟现实环境中实现单一操作视图的可视化。企业正在利用技术来优化从照明和施工到操作程序和决策的一切。
随着制造行业开始以前所未有的速度适应和采用技术，人们现在首先需要的是信任和伙伴关系。在疫情爆发期间，我们看到在为合适的人提供完成工作的工具、收集数据以及预测设施何时会发生故障等方面出现了复苏。
在横向数据和标准制定方面，将会有越来越多的跨行业合作。即使在快速变化的时代，对任何组织来说，最有价值的两项资产仍然是其人员和数据。通过整合人类洞察力和运营信息，我们设计、构建和运行资产的方式可以发展为更高效、更智能和更可持续。
将N95口罩变成智能监控设备？
西北大学工程学院的研究人员开发了一种用于口罩的新型智能传感器。这款名为"FaceBit"的轻量级四分之一大小的传感器使用一块微小的磁铁连接到任何N95、布料或外科口罩上。
它不仅可以感知用户的实时呼吸频率、心率和口罩佩戴时间，还可以通过测量口罩贴合度来取代繁琐的测试。然后将所有这些信息无线传输到智能手机应用程序，该应用程序包含用于实时健康监控的仪表板。当意外出现问题（例如心率升高或面罩泄漏）时，该应用程序可以立即提醒用户。生理数据也可用于预测疲劳，身体健康状况和情绪状态。
虽然一个微小的电池为设备供电，但FaceBit旨在从任何环境源收集能量，包括用户的呼吸、运动和来自用户呼吸以及太阳的热量。这延长了传感器的电池寿命，延长了两次充电之间的时间。
"我们希望为医疗保健专业人员设计一个智能口罩，在轮班中途不需要不方便地插入，"西北大学麦考密克工程学院的Josiah Hester说，他领导了设备开发。"我们通过从各种来源收集能量来增强电池的能量，这意味着您可以戴上口罩一两个星期，而无需充电或更换电池。
该研究于2021年12月30日发表在ACM关于交互式、移动和可穿戴技术的论文集上。在这项研究中，研究人员发现FaceBit的准确性与临床级设备相似，电池在两次充电之间的持续时间超过11天。
近似拟合检验
在设计FaceBit之前，Hester和他的合作者首先采访了医生、护士和医疗助理，以更好地了解他们对智能口罩的需求。在一系列调查中，所有临床医生都表示，口罩贴合的质量是最重要的，特别是在直接与病毒感染患者一起工作时。
为确保N95口罩被正确密封在脸上，医护人员定期接受20分钟的"适合性测试"。在此过程中，医护人员首先戴上N95呼吸器，然后在整个头上戴上透明罩。然后，另一名工人将甜气或苦味气溶胶雾注入烟罩。气溶胶的浓度在罩内逐渐增加，直到佩戴呼吸器的人可以检测到它。如果佩戴者在一定数量的气溶胶泵浦之前尝到苦涩或甜味，则口罩未正确密封。
虽然Hester的FaceBit还不能取代这个繁琐的过程，这是医疗行业长期面临的挑战，但它可以确保口罩在测试事件之间保持适当的配合。例如，如果口罩在一天中变得松动，或者用户在活动期间碰到口罩，FaceBit可以提醒佩戴者。
"如果你戴口罩12小时或更长时间，有时你的脸会变得麻木，"Hester说。"你甚至可能没有意识到你的面具松动了，因为你感觉不到它，或者你太累了，没有注意到。我们可以通过测量掩模电阻来近似拟合测试过程。如果我们看到阻力突然下降，则表明已经形成泄漏，我们可以提醒佩戴者。"
以人脸为中心的生物传感
但FaceBit不仅可以评估口罩的适合性，还可以实时监控佩戴口罩的人。通过收集各种生理信号（如心脏和呼吸频率），FaceBit可以帮助佩戴者更好地了解自己的身体，从而做出有益的健康决定。所有健康信息，包括口罩佩戴和佩戴时间，都显示在随附的智能手机应用程序上。
根据Hester的说法，每当一个人的心脏跳动时，他们的头部就会在不知不觉中移动。FaceBit可以感知这种微妙的运动，并将其与其他运动区分开来，以便计算心率。
"你的心脏正在推动大量血液通过身体，弹道力非常强大，" Hester说，"当血液沿着主要动脉传播到面部时，我们能够感觉到这种力量。
由于压力事件会引起生理反应，包括呼吸急促，FaceBit可以使用该信息来提醒用户休息，散步或深呼吸以平静下来。医院系统还可以使用这些数据来优化其员工的轮班和中断时间表。由于心率和呼吸率彼此紧密纠缠，因此能够毫不费力地监测两者可以开辟新的研究可能性。
无电池的未来
Hester希望他的团队最终能够使FaceBit完全没有电池。现在，佩戴者的呼吸和运动或阳光可以延长电池的使用寿命。在未来，收获的热能和动能可以单独为设备供电。
尽管他的团队在现实世界中对志愿者进行了设备评估，但Hester表示，FaceBit仍需要经过临床试验和验证。该团队将该项目作为开源和开放硬件发布，以便其他人可以构建和验证该设备。FaceBit为实际的面部传感和推理迈出了第一步，并为COVID-19一线员工及以后的一般健康监测提供了可持续、方便、舒适的选择。
