醫(yī)院候診區(qū)流感性疾病的非接觸式綜合檢測平臺(tái)

流感是一種傳染性呼吸道病毒性疾病，會(huì)引發(fā)急性疾病，通常會(huì)影響患者的鼻子、喉嚨和肺部。疾病控制和預(yù)防中心（CDC）估計(jì)，在美國，每個(gè)季節(jié)有400-2300萬人感染流感，并且會(huì)導(dǎo)致1.2-7.9萬人死亡[1]，這嚴(yán)重影響了美國的經(jīng)濟(jì)。疾病控制和預(yù)防中心（CDC）當(dāng)前的流感監(jiān)測和預(yù)測主要來自于國家級(jí)公共衛(wèi)生機(jī)構(gòu)的“流感樣疾病”報(bào)告，在整個(gè)傳播季節(jié)，疾病控制和預(yù)防中心每周都會(huì)監(jiān)測各個(gè)州和區(qū)的流感病毒發(fā)展程度。然而，這些現(xiàn)有監(jiān)視系統(tǒng)存在幾個(gè)問題[2]。例如，常規(guī)門診的就診報(bào)告在就診后7-14天會(huì)提供給人們，在節(jié)假日期間時(shí)間會(huì)更長，這主要是由于病毒學(xué)檢測方法和醫(yī)院患者報(bào)告處理需要相當(dāng)長的一段時(shí)間。這段時(shí)間是對(duì)公共衛(wèi)生的一大威脅，因?yàn)樵诖似陂g，流行病可能在未被發(fā)現(xiàn)的情況下迅速傳播。

最近，為了解決傳統(tǒng)流行病學(xué)監(jiān)測數(shù)據(jù)的不足，越來越多的研究將非傳統(tǒng)數(shù)據(jù)來源納入傳染病預(yù)測中。這些來源包括氣候數(shù)據(jù)[3]、社交媒體[4]、互聯(lián)網(wǎng)搜索[5]、衛(wèi)星圖像[6]和智能手機(jī)數(shù)據(jù)[7]。對(duì)于基于互聯(lián)網(wǎng)的數(shù)據(jù)源，尚不清楚觀察到的“數(shù)據(jù)”在多大程度上反映了實(shí)際發(fā)病率的變化。例如，Google Flu Trends（GFT）在2012-13年流感季節(jié)期間，因高估了預(yù)測值而受到了外界的嚴(yán)厲批評(píng)[8]。這些非傳統(tǒng)的數(shù)據(jù)來源雖然展示了一些前景，但其內(nèi)在的局限性在于它們不能直接測量生物學(xué)信號(hào)或相關(guān)的身體癥狀。如果假設(shè)流感流行軌跡(圖1)，在感染后1-3天內(nèi)會(huì)出現(xiàn)各種癥狀，包括咳嗽、發(fā)燒(常常伴有寒顫)、咽喉痛和鼻腔癥狀，這些患者中有相當(dāng)大一部分可能會(huì)在癥狀發(fā)作后的2-4天內(nèi)前往醫(yī)療點(diǎn)治療。本研究旨在開發(fā)和驗(yàn)證一種新型監(jiān)測系統(tǒng)，該系統(tǒng)可在醫(yī)院候診區(qū)內(nèi)捕獲與流感樣疾病(ILI)的身體癥狀直接相關(guān)的生物臨床信號(hào)。

近期發(fā)表的論文“FluSense: A Contactless Syndromic SurveillancePlatform for Influenza-Like Illness in Hospital Waiting Areas”記錄了檢測平臺(tái)FluSense在大學(xué)醫(yī)療系統(tǒng)中的部署情況。呼吸道感染的常見癥狀包括鼻塞和流鼻涕、喉嚨痛、聲音嘶啞和咳嗽[9]。當(dāng)流感在人群中傳播時(shí)，流感患者通常在初次感染后48小時(shí)內(nèi)出現(xiàn)咳嗽癥狀。最近的一項(xiàng)研究發(fā)現(xiàn)，流感感染的最佳多變量預(yù)測因子是咳嗽和發(fā)燒，個(gè)體水平的陽性預(yù)測值為79％（p <0.001）[10]。論文作者們發(fā)現(xiàn)，每天的總咳嗽次數(shù)與校園內(nèi)實(shí)驗(yàn)室確診的流感感染表現(xiàn)出很強(qiáng)的相關(guān)性。此外，與神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的熱成像攝像機(jī)圖像能夠準(zhǔn)確地估計(jì)每天在診所就診的患者總數(shù)，然后用這些圖像來量化發(fā)病率，這對(duì)于統(tǒng)計(jì)每日的“流感樣疾病”病例數(shù)和確診的流感病例數(shù)很有幫助。這項(xiàng)研究為這個(gè)新技術(shù)平臺(tái)提供了重要的驗(yàn)證數(shù)據(jù)，并強(qiáng)調(diào)了大規(guī)模部署（即在醫(yī)院候診室以外）的重要性，以尋求切實(shí)可行的公共衛(wèi)生應(yīng)對(duì)措施。

FluSense檢測數(shù)據(jù)捕獲的早期癥狀相關(guān)信息可以為當(dāng)前的流感預(yù)測工作提供有價(jià)值的信息。圖1說明了這種FluSense檢測如何能夠在最短時(shí)間內(nèi)捕獲與流感相關(guān)的早期癥狀。此外，該系統(tǒng)的總體目的是捕獲臨床環(huán)境之外的數(shù)據(jù)，以估計(jì)普通人群中的感染情況。FluSense平臺(tái)在處理麥克風(fēng)陣列和熱成像數(shù)據(jù)使用樹莓派和神經(jīng)計(jì)算引擎，同時(shí)不存儲(chǔ)任何個(gè)人身份信息。它能夠?qū)崟r(shí)運(yùn)行基于深度學(xué)習(xí)的聲學(xué)模型和基于熱成像的人群密度估計(jì)算法。該文作者實(shí)施了一項(xiàng)嚴(yán)格的實(shí)地研究，在擁有30000多名學(xué)生的馬斯·薩克塞茨·阿默斯特大學(xué)的四個(gè)公共候診室部署了FluSense。在這次部署中，收集了350多人，來自醫(yī)院候診室的350000張候診室熱圖像和21230450個(gè)非語音音頻片段。論文對(duì)這些音頻片段和熱圖像庫進(jìn)行了部分注釋，以便為社區(qū)公共衛(wèi)生、計(jì)算機(jī)和信息科學(xué)應(yīng)用提供豐富的數(shù)據(jù)集。

 

2、相關(guān)工作

2.1 基于人口水平信息的流感預(yù)測

準(zhǔn)確實(shí)時(shí)預(yù)測傳染病暴發(fā)對(duì)醫(yī)務(wù)工作者、公共衛(wèi)生專業(yè)人員至關(guān)重要，因?yàn)樗�可以為病情進(jìn)行有針對(duì)性的預(yù)防和干預(yù)。目前的傳染病預(yù)測工作依賴于統(tǒng)計(jì)模型來預(yù)測病情的發(fā)展，如某一周的發(fā)病率或一個(gè)季度的累計(jì)發(fā)病率。就流感而言，這些模型依賴于公共衛(wèi)生組織ILI檢測的流行病學(xué)數(shù)據(jù)，這些數(shù)據(jù)具有很大的局限性，包括在收集臨床數(shù)據(jù)與隨后獲得流感預(yù)測之間時(shí)間上的滯后。

如上所述，為解決傳統(tǒng)流行病學(xué)檢測技術(shù)的缺點(diǎn)，研究人員引入了新的數(shù)字?jǐn)?shù)據(jù)流，包括氣候數(shù)據(jù)，社交媒體[4][11]和互聯(lián)網(wǎng)搜索[3][12]衛(wèi)星圖像[6]和智能手機(jī)數(shù)據(jù)[7]用于ILI建模。但它們本身具有局限性，因?yàn)樗鼈儾荒苤苯佑^測感染過程和癥狀。的方法通過使用非接觸式檢測系統(tǒng)直接從人群（即醫(yī)院候診室人群）中捕獲ILI身體的癥狀，然后根據(jù)信息確定ILI的嚴(yán)重性，從而避開了這些問題。

2.2 咳嗽建模

最近的一些研究探索了基于聲音的咳嗽識(shí)別算法。例如，Mel-frequency cepstral coefficient (MFCC)和Hidden Markov Model (HMM)被用來訓(xùn)練咳嗽識(shí)別模型[13][14][15]。Larson等人、Amoh和Odame利用基于譜圖的特征訓(xùn)練咳嗽識(shí)別模型[16][17]。最近，在此基礎(chǔ)上也探索了不同的卷積神經(jīng)網(wǎng)絡(luò)(CNN)架構(gòu)[16]。但現(xiàn)有方法存在一些局限性，限制了這些模型在公共衛(wèi)生應(yīng)用中有效的使用。例如，在這些研究中使用的測試數(shù)據(jù)在參與者的規(guī)模和多樣性方面相當(dāng)有限。參與測試的人數(shù)少于20人，并且咳嗽數(shù)據(jù)僅從特定患者人群（例如哮喘患者）中收集。在這項(xiàng)工作中已經(jīng)編譯并標(biāo)記了一個(gè)大型音頻數(shù)據(jù)集，該數(shù)據(jù)集由不同的上呼吸道異常聲音組成，包括咳嗽，打噴嚏和清嗓�？傮w而言，已對(duì)大約170小時(shí)的音頻數(shù)據(jù)進(jìn)行了人工分類，其中包括來自不同聲學(xué)環(huán)境中各種個(gè)體的咳嗽情況。此外，已經(jīng)使用不同的增強(qiáng)技術(shù)（模擬不同的場景）即考慮到不同的背景噪音和室內(nèi)聲學(xué)，嚴(yán)格評(píng)估了這些咳嗽模型的性能。最后，在為期7個(gè)月的臨床部署研究中，收集了超過21,000,000個(gè)非語音音頻片段，其中包括四個(gè)醫(yī)院候診室實(shí)際咳嗽的聲音。

 

3、FLUSENSE:非接觸式檢測平臺(tái)

非接觸式檢測平臺(tái)FluSense由麥克風(fēng)陣列和熱成像攝像機(jī)組成，用于捕捉不同的候診室人群行為，包括咳嗽和語言活動(dòng)以及候診室病人數(shù)量(圖2)。Flusense平臺(tái)由多個(gè)模塊組成，包括：ReSpeaker麥克風(fēng)陣列(2.0版)[18]:帶有4個(gè)麥克風(fēng)和內(nèi)置高性能芯片組的麥克風(fēng)陣列；Seek CompactPRO[19]:一款熱成像相機(jī)，能夠捕獲320*240像素分辨率和32度視野的熱圖像。Intel神經(jīng)計(jì)算棒[20]:一個(gè)使用Intel Movidius Myriad X Vision Processing Unit (VPU)的計(jì)算硬件，用于在邊緣上高效部署深度學(xué)習(xí)模型；樹莓派:一個(gè)控制平臺(tái)，用于同步所有附加的傳感器和設(shè)備。

3.1 音頻處理

為確保醫(yī)院候診區(qū)的隱私，所有音頻數(shù)據(jù)在采集原始音頻信號(hào)時(shí)被立即實(shí)時(shí)處理為1秒的數(shù)據(jù)塊。然后，針對(duì)語音和咳嗽的高保真二進(jìn)制分類器對(duì)每1秒的音頻塊進(jìn)行分類。如果在1秒的音頻片段中檢測到任何類似語音聲音，則不會(huì)保留音頻數(shù)據(jù)。FluSense還使用兩級(jí)加密將所有非語音片段存儲(chǔ)到本地硬盤上。

3.2 熱成像

使用低成本的Seek CompactPRO熱成像相機(jī)，每分鐘收集一次熱圖像，然后將圖像以兩級(jí)加密的方式存儲(chǔ)在本地硬盤上。

 

4、臨床試驗(yàn)研究

IRB批準(zhǔn)的非接觸式移動(dòng)傳感和邊緣計(jì)算平臺(tái)（如圖2所示）對(duì)大學(xué)衛(wèi)生服務(wù)四個(gè)公共候診區(qū)的所有人員（包括病人、病人陪護(hù)、候診室服務(wù)員）進(jìn)行匿名數(shù)據(jù)收集。圖3展示了醫(yī)院內(nèi)的三個(gè)候診區(qū)以及在這些空間中部署FLUSENSE的概覽。信息標(biāo)語牌也放置在傳感器旁邊，以向公眾提供有關(guān)該研究的更多信息。

5、結(jié)果分析

這項(xiàng)工作已經(jīng)證明，在醫(yī)院候診區(qū)捕捉到咳嗽聲音提供了有關(guān)流感趨勢的重要流行病學(xué)信息。這驗(yàn)證了FluSense平臺(tái)可以用于常規(guī)公共衛(wèi)生監(jiān)測。提供的結(jié)果還表明，與單純的患者計(jì)數(shù)相比，諸如咳嗽計(jì)數(shù)，以言語活動(dòng)次數(shù)表示的咳嗽次數(shù)和以人次計(jì)數(shù)的咳嗽次數(shù)等特征可以更好地預(yù)測流感疾病和流感患者的總數(shù)。其次，還展示了低成本，高效率的邊緣計(jì)算平臺(tái)，可以在嘈雜的環(huán)境中捕獲咳嗽聲音和潛在患者的同時(shí)確保個(gè)人隱私。綜上所述，這些發(fā)現(xiàn)說明了這種邊緣計(jì)算傳感器平臺(tái)可用于提高當(dāng)前流感樣疾病預(yù)測模型的及時(shí)性和有效性。

 

在這項(xiàng)工作中，得流感樣疾病患者計(jì)數(shù)和流感陽性患者計(jì)數(shù)的非接觸式傳感平臺(tái)已經(jīng)在一所大學(xué)衛(wèi)生診所/醫(yī)院的幾個(gè)候診區(qū)中得到驗(yàn)證。然而，認(rèn)為的技術(shù)可以適用于不同的公共場所。實(shí)驗(yàn)結(jié)果證明了基于音頻的咳嗽模型在不同的噪聲環(huán)境下表現(xiàn)良好。例如，通過不同的增強(qiáng)技術(shù)模擬不同類型的真實(shí)場景，總的來說，這些結(jié)果表明的咳嗽分類模型可以在擁擠的公共場所（包括餐廳、學(xué)校的大教室、公共辦公室、火車站或公共汽車站）實(shí)現(xiàn)良好的性能。

這種FluSense傳感器陣列也存在很多局限性。該系統(tǒng)設(shè)計(jì)用于在邊緣上運(yùn)行所有機(jī)器學(xué)習(xí)計(jì)算，因此受到邊緣計(jì)算設(shè)備的計(jì)算能力、內(nèi)存等限制。但是，隨著邊緣計(jì)算設(shè)備功能的迅速提高，這種情況會(huì)有所改善，并且預(yù)計(jì)在聲音捕獲時(shí)會(huì)運(yùn)行更復(fù)雜的模型。使用的熱成像相機(jī)也有局限性，因?yàn)樗�是一種視野有限的低分辨率相機(jī)。在最初的計(jì)劃階段，探索了其他具有更高分辨率、廣角和非常精確的具有皮膚溫度測量能力的熱成像相機(jī)。但是發(fā)現(xiàn)它們非常昂貴，不適合低成本的移動(dòng)部署設(shè)置。在本文中，證明了即使使用低成本的熱像機(jī)，也可以從根據(jù)熱圖像估算的personTime特征中準(zhǔn)確估算出整個(gè)候診室的患者人數(shù)。優(yōu)化FluSense傳感器的部署位置是下一步的關(guān)鍵。設(shè)備位置應(yīng)仔細(xì)選擇，以捕捉具有高度ILI癥狀可能性的人群。公眾對(duì)這類設(shè)備的看法可能令人擔(dān)憂，一些人可能會(huì)認(rèn)為部署這類設(shè)備是對(duì)他們隱私的侵犯。雖然從衛(wèi)生機(jī)構(gòu)收集了數(shù)據(jù)，但的結(jié)果證明了這個(gè)平臺(tái)可以用于常規(guī)綜合征監(jiān)測。此外，需要在不同的季節(jié)進(jìn)行長期研究，并在更具聲學(xué)和流行病學(xué)多樣性的環(huán)境中進(jìn)行全面驗(yàn)證。

 

在現(xiàn)實(shí)世界環(huán)境中部署計(jì)算平臺(tái)的主要挑戰(zhàn)之一是在計(jì)算能力、大小、預(yù)算和不易于部署的約束下有效地分析各種噪聲信號(hào)集。借助的FluSense平臺(tái)，開發(fā)了一個(gè)系統(tǒng)，可以使用低成本的邊緣計(jì)算平臺(tái)收集具有代表性和可操作性的公共衛(wèi)生數(shù)據(jù)。對(duì)于這個(gè)FluSense平臺(tái)，開發(fā)了音頻和圖像識(shí)別模型，這些模型隨后在實(shí)際環(huán)境中得到驗(yàn)證，并可以部署在邊緣計(jì)算設(shè)備上。此外，已經(jīng)證明，基于的傳感器數(shù)據(jù)，可以預(yù)測具有0.65相關(guān)系數(shù)的總流感疾病患者人數(shù)，同時(shí)預(yù)測總流感陽性患者(相關(guān)系數(shù)= 0.61)，這說明FluSense為季節(jié)性流感監(jiān)測和預(yù)測提供了新的有用信號(hào)。