作者：陸向陽
在「大數據」一書中，Google發現某地區的人搜尋「感冒」或相關字眼的次數增加，進而推斷出某些地區開始流行感冒，此對防疫可說是一大貢獻。
事實上我國也有建立疫情通報系統，即便是偏鄉診所，發現可疑的傳染病時，至少也必須傳真或電話通報，至於都會醫院更是採電子信件或直接連線通報，未通報查證屬實將受罰。
不過疫情通報系統的感應末梢只到診所，仍不是第一線，即便是Google的區域性熱門搜尋，也可能產生偏頗，例如某區人口密集或居民e化較深，搜尋次數可能較多。加上去年底至今的新冠肺炎（COVID-19）風暴困擾全球，我們似乎需要更即時公允的第一線疫情偵測能力。
對此，美國麻塞諸塞州大學阿默斯特分校的助理教授Tauhidur Rahman與他實驗室裡的博士學生Forsad Al Hossain，共同提出了FluSense的裝置，該裝置期望能更即時有效的探測流感/新冠疫情動向，使醫療團隊能更即時有效地因應。
美國麻州大學阿默斯特分校的助理教授Tauhidur Rahman（圖左）與他實驗室裡的博士學生Forsad Al Hossain（圖右）共同提出了FluSense的裝置（Hossain手中的白盒）。（圖片來源：美國麻塞諸塞州大學阿默斯特分校）
FluSense相關影片報導：
解析FluSense裝置
FluSense是以一個樹莓派（Raspberry Pi, RPi）為主體、主控系統，在相關報導中並沒有強調使用的是第幾代的樹莓派，但從相關圖片上來看是典型的B型樹莓派。
樹莓派主要連接兩個感測裝置，一是一個具備紅外線熱感應的影像感測器（攝影機），另一則是一組麥克風陣列（Microphone Array，或稱陣列麥克風Array Microphone, Array MIC）。
熱影像感測器即是與過去SARS到近期COVID-19所施行的防疫方式一樣，是透過感測每個路經者的皮膚表面是否溫度較高（影像色溫會偏亮）而判定是否有發燒，發燒即可能是患者。
麥克風陣列則是用兩個或兩個以上的麥克風，共同即時捕捉現場環境的聲音，但因為麥克風位置配置的差異，感測到聲音信號也會不同，如此可透過交叉比對運算把環境中的雜音過濾掉，使想要聽到的聲音信號更純淨。在FluSense的應用中麥克風陣列是用來捕捉咳嗽聲的，其他聲音則會濾掉。
進一步的，捕捉到的疑似發燒信號、咳嗽信號需要進一步的研判，這時就需要用上人工智慧（AI）運算。不過，樹莓派在人工智慧方面的執行運算力有限，恐無法支援因應現場的立即辨識運算，所以FluSense還會加裝上一個人工智慧加速運算裝置，即Intel的Movidius NCS2神經運算引擎（條棒狀外觀），以USB介面方式與樹莓派連接。
所以FluSense感測到的影音資訊會即時在Movidius NCS2內先行運算，之後將運算結果透過有線或無線網路拋丟到後方雲端，集中上報，這時再進行進一步的運算，並將可疑動向標在地圖上，供醫療團隊研判與行動。
FluSense的主要硬體構成。（圖片來源：美國麻塞諸塞州大學阿默斯特分校）
FluSense用上一片樹莓派、一個攝影機、一組麥克風陣列、一個AI加速棒，目前的設計是將四者配置在一個盒內，但感測鏡頭、麥克風等會露出外殼。盒的體積根據報導所言約僅一個字典大，言下之意在各種環境中都很好擺設、配置。
FluSense最初配置在麻州大學健康服務診所的4間候診室內，經過半年的時間已收集了35萬張熱影像圖片與2,100萬筆非語音（只需要咳嗽聲或相關聲音，人的講話聲等話語內容會被濾除）的樣本資料。
FluSense感測到的熱影像，並透過人工智慧對人進行標示。（圖片來源：美國麻塞諸塞州大學阿默斯特分校）
小結
FluSense可以自動回報疑似資訊，省去人力回報的麻煩，事實上也確實有人開發疫情通報的App，如英國倫敦的國王學院醫院（Kings College Hospital）研究人員就與新創業者Zoe合作開發自助回報的App，稱為C-19 COVID Symptom Tracker，24小時內就被下載75萬次。
然而如前所言，人工回報可能會出現一些偏頗，且較費力。相對的，FluSense預計將擴大裝設量與裝設位置，期望透過平均或合理的地理覆蓋得到自動且一致性標準的回報。不過，現階段FluSense得出的推論結果，仍是被當成多一個輔助比對驗證用的選項，不是醫療團隊的主要研判方法。
比較可惜的是，目前FluSense似乎尚未釋出其相關軟體程式，包含樹莓派這端執行的控制程式、人工智慧辨識程式，也包含遠端匯集的程式，而FluSense的硬體組成卻相當簡單，透過USB或MicroUSB介面即可完成連接，連GPIO接腳都不會用到。
或許其他有心的創客也可以比照FluSense所用硬體規格，另行發起共同開程式開發的專案，一樣能實現類似疫情動向的預警雷達系統，嘉惠大眾。
FluSense（圖中下位置）可協助疾病傳染的模型預測。（圖片來源：美國麻塞諸塞州大學阿默斯特分校）
延伸閱讀
FluSense: A Contactless Syndromic Surveillance Platform forInfluenza-Like Illness in Hospital Waiting Areas（PDF檔，英文） https://www.researchgate.net/publication/340009929_FluSense_A_Contactless_Syndromic_Surveillance_Platform_for_Influenza-Like_Illness_in_Hospital_Waiting_Areas
（責任編輯：王姵文）
- 創客積木M5Stack加入LLM戰局 - 2024/11/29
- MLPerf大語言模型、生成式AI測項觀察 - 2024/11/27
- Sony強力加持！樹莓派發表專屬AI攝影機 - 2024/10/28
.jpg)
.jpg)