隔離有助手：斯坦福李飛飛團隊推出家用AI系統，實時監測獨居老人癥狀
新智元報道
來源：venturebeat
編輯：夢佳
老年人是疫情中的高危人群。美國疾病控制與預防中心3月18日發布的報告顯示，在美國，約80%新冠肺炎死者年齡大於65歲。在疫情隔離期間，實時監控老年人的健康狀況就顯得尤為重要。
4月1日，在斯坦福大學以人為本AI研究院（HAI）舉辦的「新冠肺炎和AI」直播活動上，斯坦福大學教授，谷歌前副總裁，HAI聯合主任李飛飛博士提出了一個家用AI系統的概念，該系統可以在確保居民隱私的基礎上追蹤居民的健康狀況，監測新冠肺炎癥狀。
線上活動開始前，李飛飛在朋友圈發布消息稱，「科學無國界，病痛亦無國界。很多斯坦福大學的研究者們都在參與到新冠肺炎的研究中。僅僅與AI有關的就包括疾病的診斷，治療，防疫，公共衛生，政府政策，法律法規，甚至人文影響，地域歧視，社會公正，新聞自由等等方面的研究。這也包括了我自己斯坦福實驗室過去近十年的AI和醫療健康研究（尤其是手衛生和居家疾病管理）。
該家用AI系統設計之初的目的是造福老年人，尤其是獨居老人，讓他們更好地享受到家庭成員或是醫護工作者的照顧。在新冠疫情爆發期間，保護老年人最佳的方式是減少與其他人的接觸，甚至包括那些時刻關照他們是否出現肺炎癥狀的人。該系統旨在實時追蹤老年人健康狀況的同時降低外界接觸風險，同時方便護理人員能夠遠程監測到老年人的基本身體狀況，因為很多老年人原本就存在各種健康問題。
李飛飛和團隊在報告中表示，他們的跨學科團隊由臨床醫生和計算機科學家組成，在新冠疫情爆發之前就已經著手這個項目了。「過去幾年，我們一直在研究AI技術如何幫助老年人更加獨立地生活，以及更好地應對慢性疾病。但是最近，我們意識到同樣用於長期護理的AI技術在應對新冠這樣的急性流行病時對老年人也有所幫助。」 她說。
目前項目仍處於研究階段。團隊需要完成數據集的構建和模型的訓練，目前還不清楚這需要多長時間才能完成。但該系統最初是為老年人護理而設計，在大規模隔離的時代將是健康監測的理想選擇。
家用AI系統的隱私安全問題
該系統將由安裝在家中的攝像頭和智能感測器組成。報告概述了四種感測器 -- 攝像頭、深度感測器、熱感測器和可穿戴感測器(例如 FitBit)。李飛飛說他們的研究目前只集中在前三個方面。她承認，隱私保護在這樣的系統中至關重要，因此攝像頭的設置帶來了較大的挑戰。「攝像機感測器會記錄大量個人活動的詳細信息，因此最可能會觸及到人們個人隱私方面的需求，」她說。
感測器捕獲數據時，系統會將數據發送至一個安全的中央伺服器。李飛飛承認這一過程存在固有的安全風險，比如網路攻擊。在一封回復 VentureBeat的郵件中，她強調研究人員在整個過程中都遵循隱私和安全準則。「例如，我們的邊緣設備都配備了磁碟加密，數據將進行隱私屬性刪除(如面部模糊處理) ，數據將在傳輸到雲之前加密，並且我們的伺服器符合健康保險攜帶和責任法案（HIPPA），」她說。
一旦這些數據到達伺服器，團隊中的臨床醫生和人工智慧專家將對其進行分析和注釋，來開發一個機器學習模型。
「然後我們訓練AI模型來識別臨床相關的各種行為模式，包括呼吸、睡眠、飲食和其他行為，」李飛飛說。他們關注的行為模式是圍繞日常生活活動中那些可能會引發健康狀況惡化的行為。換句話說，這個模型的重點是尋找特定的衡量指標。這並非針對居民所有日常活動的深入和廣泛的分析，李飛飛說，訓練AI模型的意義是為了實現實用性和隱私安全之間的平衡。
之後團隊將訓練好的模型部署到邊緣設備上，在那裡監測系統可以在本地運行。這將創建一個閉環系統，使得沒有數據能夠泄露出去。這本質上確保了數據安全，卻阻礙了在這個模型上進行任何進一步的訓練。
研究人員想到了一個辦法解決這一限制，李飛飛在發給 VentureBeat 的電子郵件中進行了概述了。「我們設想，每個邊緣設備上的模型仍將不斷更新，以適應新的環境，並通過聯邦學習，以無監督的方式提高魯棒性。通過聯邦學習，我們將網路攻擊的對象僅限於設備本身，而不是設備和雲，以此來降低隱私和安全風險。」
聯邦學習（Federated Learning）是一種新興的人工智慧基礎技術，在2016 年由谷歌最先提出，原本用於解決安卓手機終端用戶在本地更新模型的問題，其設計目標是在保障大數據交換時的信息安全、保護終端數據和個人數據隱私、保證合法合規的前提下，在多參與方或多計算結點之間開展高效率的機器學習。
最後一步，該系統還需要將智能感測器的檢測結果，傳遞給醫護人員或老人的家庭成員。李飛飛表示團隊還沒有找到具體的解決方案，但是正在考慮使用APP或者網路界面，這兩者都可以通過雙重身份驗證來確保數據安全。
她強調: 「這些感測器並不是用來做診斷決策或者取代臨床醫生的，但是它們可以對住在家中的老年人進行實時不斷的監測，向臨床醫生和家庭成員及時發出健康預警」。
「當然，在這項研究的每一步，以及這項技術的部署過程中，我們必須深入思考其中的每一項道德，隱私和安全問題，」她補充說。
當前疫情爆發，不僅要關注老年人的安全和健康，還要密切關注其他患者和隔離人員的情況。可以對系統的某些組成部分進行調整，以便在不侵犯公民權利和隱私的情況下進行追蹤。但李飛飛暫時不願涉足這些領域，她認為，「我們的目標是利用最尖端的計算機視覺和機器學習技術，以幫助解決一些最重要和最具挑戰性的衛生保健問題，並為人工智慧衛生保健研究提出一個道德、隱私和安全指南。」
李飛飛說，目前研究已經進展到下一階段。他們已經在加州舊金山的一家療養院完成了試點，和當地一家名為On Lok的護理機構合作，該機構致力於為老年人提供高質量的護理服務。
可穿戴設備實現非接觸式監控
其他一些家用AI監控系統也涉及到可穿戴設備，比如 Current Health、 iRhythm 和 LiveFreely。比如說，iRhythm 公司研發的 Zio 心電貼片，可以連續佩戴14天，可提供連續心電監測。Care.ai 系統使用計算機視覺技術來實現非接觸式監控，理念和李飛飛團隊相似，但是Care.ai 系統主要是為醫院服務的，而非家庭護理。
從另一個角度講，當前社會隔離政策讓獨居老人也更加孤獨。除了技術監測，對於老年人來說，更重要的還是家人的關心和（線上）陪伴吧！
參考鏈接：
https://venturebeat.com/2020/04/06/stanford-researchers-propose-ai-in-home-system-that-can-monitor-for-coronavirus-symptoms/
https://hai.stanford.edu/events/covid-19-and-ai-virtual-conference/overview
https://www.zhihu.com/topic/20935178/intro
