李飞飞团队提出的"非接触性"医疗AI系统可跟踪新冠体征

近日，斯坦福大学教授和人工智能联合主任李飞飞博士提出了一个家庭人工智能系统的概念，该系统可以追踪居民的健康状况，包括新型冠状病毒肺炎的迹象。

值得一提的是，李飞飞强调，这个系统在追踪健康同时也注重保护隐私。

它的目的是让许多独居的老年人可以得到医疗照顾，在新型冠状病毒肺炎大流行期间照顾老年人的困难在于，既要减少他们与他人的接触，又要考虑到对他们的照顾。该系统旨在解决跟踪老年人健康状况而不面临接触风险，还将允许护理人员远程监测老年人的基本健康状况。

李飞飞和她的团队报告中说，由临床医生和计算机科学家组成的跨学科团队，在新型冠状病毒爆发之前就已经在开发这个项目了。“过去几年，我们一直在研究一套人工智能技术如何帮助老年人更加独立地生活，并应对慢性疾病管理。但是最近，我们意识到同样的长期护理技术也可能对这种急性流行病风险下的老年人有所帮助。”

该项目仍处于研究阶段。该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，但是这个最初是为老年人护理而设计的系统，在大规模隔离期间将是老年人健康监测的理想选择。

该系统由安装在家中的摄像头和智能传感器组成，报告中李飞飞团队概述了四种传感器ーー摄像机、深度传感器、热传感器和可穿戴传感器(例如 FitBit)。李飞飞表示他们的研究只集中在前三个方面，同时她也承认，因为在这样的系统中隐私很重要，摄像头带来的挑战是其他类型的传感器所没有的。“相机传感器携带了大量关于个人活动的详细信息，但它侵害了大多数人的隐私。”

当传感器捕获数据时，系统会将数据发送到一个安全的中央服务器。李飞飞也表示，这一过程中存在固有的安全风险，比如网络攻击的威胁。但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，我们的边缘设备配备了磁盘加密，数据将删除用户的隐私属性(如面部模糊) ，数据将在传到云端之前进行加密，而且我们的服务器符合HIPPA标准，”她说。

服务器获取数据后，一个临床医生和人工智能专家组成的团队将对其进行分析和注释，开发机器学习模型。“这个人工智能模型将被训练来识别临床相关的模式，包括呼吸、睡眠、饮食和其他行为，”李飞飞表示。数据获取是围绕可能导致健康问题的日常活动的，换句话说，这个模型的重点是寻找具体的衡量标准，并不是对居民日常活动的深入和广泛的分析，李飞飞认为这是一个能让“实用性和隐私性“得到平衡的方法。

然后，将训练好的模型部署到边缘设备上，以使得检测系统可以在本地运行。这将创建一个闭环系统，没有数据必须离开前提，因此在本质上，这是安全的。但是这也使得在模型上进行任何进一步的培训都变得不可能。

研究人员有一个解决这个限制的计划，李飞飞一封电子邮件中概述了这个计划。“我们设想，每个边缘设备上的模型仍将更新，以适应新的环境，并且，通过使用联邦学习(federated learning)，以无监督的方式提高健壮性(robustness)，通过使用联邦学习，我们希望通过将攻击仅限于设备，而不是设备和云，以此来降低隐私和安全风险。”

作为最后一步，该系统还需要一种方式，通过提供智能传感器的检测结果，照顾弱者或需要被照顾的家庭成员。不过李飞飞表示，目前团队还没有找到具体的解决方案，但是他们正在考虑移动应用程序或者网络界面，这两种应用程序都可以通过双重身份验证安全服务来实现。

最后，李飞飞给出了一些警告，她说：“(这些传感器)不是用来做诊断决策或者替换临床医生的，但它们可以继续存在下去，用以监视住在家里的老龄化人口，更加及时地向临床医生和家属发出警报。”“当然，在这项研究的每一步，以及这项技术的部署，我们必须更加深入地思考道德、隐私和安全问题。”她补充说。

其他一些由人工智能驱动的家庭监控系统也涉及到可穿戴设备，比如Current Health、iRhythm和LiveFreely，像Care.ai使用计算机视觉实现非接触式监控的方式，李飞飞的团队也正在开发的类似的系统，不过，Care.ai的系统是为医院而不是家庭护理而设计的。

李飞飞表示，目前研究项目正在进行中，研究小组仍然专注于科学研究。不过，在与致力于高质量老年护理的组织的合作之下，他们已经在旧金山的一家辅助生活设施完成了一项试点研究，现在正准备进行下一阶段的研究。

当前流行病带来的挑战不仅包括保护老年人的安全和健康，还包括更广泛地关注感染者和隔离者，这个系统似乎存在可以调整的地方，以便在不侵犯公民权利和隐私权的情况下进行某些跟踪。但李飞飞不愿涉足这些领域，只是说，“我们的目标是提出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，同时为人工智能卫生保健研究提出一个道德、隐私和安全指南”。