普林斯顿大学(Princeton University)利用研究人员开发的一款新应用程序，将有关个人健康的问题与智能手表传感器的数据结合起来，可以在几分钟内预测一个人是否感染了COVID-19。
这种新型诊断工具源于普林斯顿大学电子和计算机工程教授Niraj Jha领导的研究。他的团队正在开发人工智能(AI)技术，用于检测COVID-19，以及诊断和监测抑郁症、双相情感障碍、精神分裂症、糖尿病和镰状细胞病等慢性疾病。
NeuTigers是一家为了将Jha的工作商业化而成立的公司，该公司根据美国食品和药物管理局关于“软件作为医疗设备”的规定，向该机构申请批准其新冠肺炎产品。Shayan Hassantabar是Jha团队的一名博士生，他是《IEEE消费电子学报》上一篇描述CovidDeep开发和测试的论文的主要作者。该软件集成了智能手表传感器读取的心率、皮肤温度、皮肤电反应、血压和氧饱和度，以及关于COVID症状的问卷。
CovidDeep使用智能手表传感器读数和症状问卷来检测COVID-19。
Jha在普林斯顿大学的研究小组长期以来一直专注于改造一种名为深度学习的人工智能，这种人工智能通常是能源密集型的，可以在手机和手表等低功耗电子设备上运行，而不是集中的云计算中心。这种被称为边缘人工智能的方法还有一个额外的好处，那就是帮助保护用户的隐私，提高安全性。一项关键的创新是模拟人类大脑发育的简化神经网络(NeuTigers中的“neu”)。
“这是一个非常一般化的框架，”Jha说。“智能医疗只是其中一个应用。我们还将其应用到网络安全和其他物联网应用中。”他说，与预防性医疗干预类似，机器学习模型可以发现异常模式，并帮助在网络攻击发生之前修复软件漏洞。
近年来，Jha的团队在医疗保健应用方面探索了前沿人工智能技术，比如通过智能手表和智能手机传感器数据进行糖尿病和精神健康障碍的非侵入性检测。
2017年秋，前制药公司高管Adel Laoui在Jha的“机器学习预测数据分析”课程上进行了审计，他对这项技术很感兴趣。Laoui有开发和部署疾病管理新技术的经验，在课程结束后接触了Jha。在与Jha的博士生进一步讨论后，他们于2018年6月推出了NeuTigers。
“我们看到了很多我们感兴趣的交集，”杰哈说。“尖端人工智能帮助下的智能医疗正在起飞，所以这对该领域的初创公司来说是一个合适的时机。Adel与天使投资者有很多联系，所以它的发展非常迅速。”
一些来自Jha实验室的专利技术已经被授权给NeuTigers，包括糖尿病和精神健康状况的诊断方法，以及物联网系统的安全漏洞检测方法。
当2020年3月宣布2019冠状病毒病(COVID-19)大流行时，Jha想知道他的团队的深度学习方法是否可以用于诊断病毒，特别是对那些有可能传播COVID-19但没有明显症状的人，这是控制疾病的一个主要问题。
杰哈说:“我们的假设是，这种疾病会在我们身体发出的生理信号上留下一个独特的签名。”“这个假设似乎是正确的，至少对于我们观察的少数几种疾病来说是正确的，所以我的想法是看看我们是否可以用这种方法诊断COVID-19。”
Jha和Laoui联系了费城托马斯·杰斐逊大学(Thomas Jefferson University)的外科教授、杰斐逊意大利中心(Jefferson Italy Center)的执行主任Ignazio Marino。
2020年5月，在意大利北部COVID-19在欧洲最初聚集的末端，NeuTigers首席技术官vishughanakota前往意大利帕维亚，为马里诺在圣马特奥医院的同事提供医疗级智能手表、软件应用程序和培训材料。临床研究人员收集了87名患者的数据，其中30人的PCR检测为阴性;另有30人检测呈阳性并有症状，27人检测呈阳性并无症状。
这些数据包括智能手表传感器在60分钟内读取的心率、皮肤温度和皮肤电反应(一种测量汗腺活动的方法)，每隔15秒读取一次。另外，临床医生测量了参与者的血压和氧饱和度，并回答了一份问卷，表明每个参与者是否有气短、咳嗽、发烧或其他八种症状。
普林斯顿大学的研究人员，由博士生Hassantabar领导，使用这些数据的一个子集来训练神经网络模型，以预测患者的COVID-19状态，并使用另一个子集来测试最终的模型。研究小组发现，他们的模型检测COVID-19的准确率为98.1%。
Hassantabar用来提高模型精度的一种方法是添加基于真实数据概率分布的合成数据，这是一种广泛应用的技术，Jha的团队首先将其用于其他应用。他使用的另一种方法是基于Jha小组开发的生长-修剪神经网络合成范式。
此后，研究人员在法国进行了更大规模的现场试验，对这种方法进行了验证，美国和阿尔及利亚的卫生组织也在其工作人员中试点了covid – deep。为了让covid – deep得到更广泛的应用，NeuTigers正在努力使其与一些类型的三星、Fitbit和苹果智能手表兼容，这些智能手表还将集成血压和脉搏血氧仪的测量。
马里诺说，在许多情况下，手动将临床数据输入智能手机应用程序可能是另一种有用的筛查方法，特别是在全球智能手机比智能手表更常见的情况下。马里诺负责该项研究的临床数据收集工作。另一方面，Laoui说，对于许多用户来说，单独使用智能手表可能更可取，研究人员也在努力调整神经网络模型，使其能够在智能手表有限的计算能力下运行。
马里诺说:“我认为这可能远远优于(快速抗原检测)，因为你自己在家做的快速检测的准确性是有限的。”“将棉签向上推入鼻腔显然是一种不适，我不知道人们是否能做到他们需要的那样准确。”但如果你在手腕上有一种非侵入性的、完全独立于人体操作的设备，我认为会更好。”
马里诺还表示，希望这项技术能够改善糖尿病等广泛疾病的早期诊断。他说:“美国有数百万的早期糖尿病患者，他们可能是可以治愈的，但他们不知道。”他补充说，获得有助于早期诊断的新信息可能会导致“非常成功的治疗”。
Laoui感兴趣的是探索该方法用于诊断和监测其他疾病，如心血管疾病和败血症感染，这两种疾病都增加了世界老龄化人口的问题。
劳伊说:“我们将在手表中嵌入一个疾病模型库，我们将不时地在这些疾病模型中运行传感器的信息，这将是个性化的。”“如果有什么错误或不寻常的事情，我们会以有意义的方式通知你。我相信这个智能医疗的新时代将由尖端人工智能应用驱动，并将重新定义医疗保健服务和消费者福祉。”