
Pochi oggi dubitano di quanto sia importante monitorare l’insorgenza e la propagazione delle epidemie, ma già prima della pandemia da Covid-19 alcuni studenti della University of Massachusetts avevano iniziato a sviluppare FluSense, un apparato che partendo dai colpi di tosse nei luoghi pubblici riesce a calcolare con efficacia i trend influenzali.
Il macchinario è composto da un microfono e da una videocamera termica collegati a un Raspberry Pi e a un Neural Compute Stick di Intel Movidius (una Vision Processing Unit che consente elaborazioni di inferenza direttamente sul dispositivo). Grazie a un modello di machine learning addestrato a riconoscere i colpi di tosse, il dispositivo installato dentro a una stanza (ad esempio una sala d’attesa) riesce a individuare i colpi di tosse e a contare il numero di persone presenti nel luogo chiuso (senza identificarle).
Con pochi e semplici dati come i colpi di tosse e l’affollamento dei luoghi l’algoritmo è stato in grado di prevedere con un’elevata accuratezza (l’indice di correlazione di Pearson è dello 0,95) il numero di malati da sindromi influenzali o para-influenzali in una data zona. I test condotti l’anno scorso per un periodo di sette mesi hanno coinvolto quattro ambulatori, raccogliendo oltre 350.000 immagini termiche e 21 milioni di elementi audio.
La speranza ovviamente è quella di usare apparati del genere in luoghi pubblici per ottenere efficaci analisi predittive sulla comparsa e la diffusione delle epidemie influenzali, informazioni che andrebbero a confluire nei database del sistema sanitario. Come stiamo imparando in questi giorni, avere una santià preparata ad affrontare le emergenze può fare la differenza.
Lo studio è disponibile qui, anche se per leggerlo è necessaria l’iscrizione alla pubblicazione scientifica. In alternativa c’è un articolo su Neuroscience News che lo descrive bene: Portable AI device turns coughing sounds into health data for flu and pandemic forecasting