研究人员说，一种实时跟踪咳嗽和人群规模的物联网设备可能会成为一种有用的工具，用于在大批人群中识别流感样症状。

研究人员称之为FluSense，它大约相当于字典的大小。它包含一个廉价的麦克风阵列，一个热传感器，一个Raspberry Pi和一个Intel Movidius 2神经计算引擎。

这个想法启发于：利用AI技术对给定时间内的音频样本进行分析，确定房间中的人数并好分类。

FluSense的系统高明之处是可以将咳嗽与其他类型的非语音音频区分开来，因此将咳嗽与给定人群的大小相关联可以提供有用的指标，以表明有多少人可能会出现类似流感的症状。

在2018年12月至2019年7月之间进行的测试中，在麻省大学大学健康服务诊所的四个候诊室中安装了FluSense，研究人员表示，他们能够将系统的结果与流感和其他类似疾病的临床测试症状紧密地联系起来。

该论文的主要作者，博士生Forsad Al Hossain及其合著者兼顾问，Tauhidur Rahman助理教授认为，FluSense的更大计划正在酝酿之中。

目前他们正计划在多个大型公共场所(例如，大型自助餐厅，教室，宿舍，体育馆，礼堂)部署FluSense系统，以捕获来自居住在某个城镇或城市中的广泛人群的症状信号，“ 他们说。

他们也在寻找资金来进行大规模的试验。同时还通过扩展FluSense的功能来捕获更多症状信号(例如，FluSense中增加了打喷嚏功能)，从而使传感能力更加多样化。这方面的研究中看到相当大的商业化潜力。”

从技术角度来看，FluSense尤其有趣，因为所有有意义的处理工作都是通过Intel神经计算引擎和Raspberry Pi在本地完成的。症状信息会无线发送到实验室进行校对，但是繁重的工作是在边缘完成的。

Al Hossain和Rahman很快强调说，该设备不会收集个人身份信息——重点是在给定环境中汇总数据，而不是识别任何患者的个人隐私数据入手，并且它收集的信息都经过高度加密，很好地确保了隐私安全。

据研究人员称，FluSense的重点是将其视为一种健康监视工具，而不是一种诊断设备。

Al Hossain和Rahman说，与其他健康监视技术相比，它具有几个重要优势，尤其是基于Internet跟踪的技术，例如Google Flu Trend和Twitter。

“ FluSense不太容易受到公共卫生运动或广告的影响。而且，该传感器的非接触式特性非常适合捕获来自不同地理位置和不同群体(包括可能无法获得医疗保健且可能无法去看医生/诊所的弱势群体)的症状信号。”