隔离有助手:斯坦福李飞飞团队推出家用AI系统,实时监测独居老人症状

  新智元报道  

来源：venturebeat

编辑：梦佳

【新智元导读】老年人是疫情中的高危人群。近日斯坦福大学AI研究院联合主任李飞飞的团队研发了一种家用AI系统，在确保隐私安全的基础上可实时追踪老年人的健康状况。该系统将摄像头收集到的数据发送至安全的中央服务器，由医生和AI专家进行分析注释后开发机器学习模型，识别临床症状，进而对新冠病毒做到实时监测。「新智元急聘主笔、高级主任编辑，添加HR微信（Dr-wly）或扫描文末二维码了解详情。」

老年人是疫情中的高危人群。美国疾病控制与预防中心3月18日发布的报告显示，在美国，约80%新冠肺炎死者年龄大于65岁。在疫情隔离期间，实时监控老年人的健康状况就显得尤为重要。

4月1日，在斯坦福大学以人为本AI研究院（HAI）举办的“新冠肺炎和AI”直播活动上，斯坦福大学教授，谷歌前副总裁，HAI联合主任李飞飞博士提出了一个家用AI系统的概念，该系统可以在确保居民隐私的基础上追踪居民的健康状况，监测新冠肺炎症状。

线上活动开始前，李飞飞在朋友圈发布消息称，“科学无国界，病痛亦无国界。很多斯坦福大学的研究者们都在参与到新冠肺炎的研究中。仅仅与AI有关的就包括疾病的诊断，治疗，防疫，公共卫生，政府政策，法律法规，甚至人文影响，地域歧视，社会公正，新闻自由等等方面的研究。这也包括了我自己斯坦福实验室过去近十年的AI和医疗健康研究（尤其是手卫生和居家疾病管理）。

该家用AI系统设计之初的目的是造福老年人，尤其是独居老人，让他们更好地享受到家庭成员或是医护工作者的照顾。在新冠疫情爆发期间，保护老年人最佳的方式是减少与其他人的接触，甚至包括那些时刻关照他们是否出现肺炎症状的人。该系统旨在实时追踪老年人健康状况的同时降低外界接触风险，同时方便护理人员能够远程监测到老年人的基本身体状况，因为很多老年人原本就存在各种健康问题。

李飞飞和团队在报告中表示，他们的跨学科团队由临床医生和计算机科学家组成，在新冠疫情爆发之前就已经着手这个项目了。“过去几年，我们一直在研究AI技术如何帮助老年人更加独立地生活，以及更好地应对慢性疾病。但是最近，我们意识到同样用于长期护理的AI技术在应对新冠这样的急性流行病时对老年人也有所帮助。” 她说。

目前项目仍处于研究阶段。团队需要完成数据集的构建和模型的训练，目前还不清楚这需要多长时间才能完成。但该系统最初是为老年人护理而设计，在大规模隔离的时代将是健康监测的理想选择。

家用AI系统的隐私安全问题

该系统将由安装在家中的摄像头和智能传感器组成。报告概述了四种传感器 -- 摄像头、深度传感器、热传感器和可穿戴传感器(例如 FitBit)。李飞飞说他们的研究目前只集中在前三个方面。她承认，隐私保护在这样的系统中至关重要，因此摄像头的设置带来了较大的挑战。“摄像机传感器会记录大量个人活动的详细信息，因此最可能会触及到人们个人隐私方面的需求，”她说。

传感器捕获数据时，系统会将数据发送至一个安全的中央服务器。李飞飞承认这一过程存在固有的安全风险，比如网络攻击。在一封回复 VentureBeat的邮件中，她强调研究人员在整个过程中都遵循隐私和安全准则。“例如，我们的边缘设备都配备了磁盘加密，数据将进行隐私属性删除(如面部模糊处理) ，数据将在传输到云之前加密，并且我们的服务器符合健康保险携带和责任法案（HIPPA），”她说。

一旦这些数据到达服务器，团队中的临床医生和人工智能专家将对其进行分析和注释，来开发一个机器学习模型。

“然后我们训练AI模型来识别临床相关的各种行为模式，包括呼吸、睡眠、饮食和其他行为，”李飞飞说。他们关注的行为模式是围绕日常生活活动中那些可能会引发健康状况恶化的行为。换句话说，这个模型的重点是寻找特定的衡量指标。这并非针对居民所有日常活动的深入和广泛的分析，李飞飞说，训练AI模型的意义是为了实现实用性和隐私安全之间的平衡。

之后团队将训练好的模型部署到边缘设备上，在那里监测系统可以在本地运行。这将创建一个闭环系统，使得没有数据能够泄露出去。这本质上确保了数据安全，却阻碍了在这个模型上进行任何进一步的训练。

研究人员想到了一个办法解决这一限制，李飞飞在发给 VentureBeat 的电子邮件中进行了概述了。“我们设想，每个边缘设备上的模型仍将不断更新，以适应新的环境，并通过联邦学习，以无监督的方式提高鲁棒性。通过联邦学习，我们将网络攻击的对象仅限于设备本身，而不是设备和云，以此来降低隐私和安全风险。”

联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。

最后一步，该系统还需要将智能传感器的检测结果，传递给医护人员或老人的家庭成员。李飞飞表示团队还没有找到具体的解决方案，但是正在考虑使用APP或者网络界面，这两者都可以通过双重身份验证来确保数据安全。

她强调: “这些传感器并不是用来做诊断决策或者取代临床医生的，但是它们可以对住在家中的老年人进行实时不断的监测，向临床医生和家庭成员及时发出健康预警”。

“当然，在这项研究的每一步，以及这项技术的部署过程中，我们必须深入思考其中的每一项道德，隐私和安全问题，”她补充说。

当前疫情爆发，不仅要关注老年人的安全和健康，还要密切关注其他患者和隔离人员的情况。可以对系统的某些组成部分进行调整，以便在不侵犯公民权利和隐私的情况下进行追踪。但李飞飞暂时不愿涉足这些领域，她认为，“我们的目标是利用最尖端的计算机视觉和机器学习技术，以帮助解决一些最重要和最具挑战性的卫生保健问题，并为人工智能卫生保健研究提出一个道德、隐私和安全指南。”

李飞飞说，目前研究已经进展到下一阶段。他们已经在加州旧金山的一家疗养院完成了试点，和当地一家名为On Lok的护理机构合作，该机构致力于为老年人提供高质量的护理服务。

可穿戴设备实现非接触式监控

其他一些家用AI监控系统也涉及到可穿戴设备，比如 Current Health、 iRhythm 和 LiveFreely。比如说，iRhythm 公司研发的 Zio 心电贴片，可以连续佩戴14天，可提供连续心电监测。Care.ai 系统使用计算机视觉技术来实现非接触式监控，理念和李飞飞团队相似，但是Care.ai 系统主要是为医院服务的，而非家庭护理。

从另一个角度讲，当前社会隔离政策让独居老人也更加孤独。除了技术监测，对于老年人来说，更重要的还是家人的关心和（线上）陪伴吧！

参考链接：