AZoSensors 與普林斯頓大學電氣與計算機工程學院的 Niraj K. Jha 進行了交談。本次采訪探討了 提出一個名為 CovidDeep 的框架的研究。CovidDeep 將高效的深度神經(jīng)網(wǎng)絡與市售的可穿戴醫(yī)療傳感器相結(jié)合，用于對病毒和由此產(chǎn)生的疾病進行普遍測試。

您能給我們介紹一下您的職業(yè)背景和您在研究中的角色嗎？

我收到了我的 B.Tech。1981 年在印度卡拉格普爾的印度理工學院獲得博士學位。1985 年畢業(yè)于伊利諾伊大學厄巴納-香檳分校。自 1987 年以來，我一直是普林斯頓大學電氣與計算機工程系的一員。我的研究興趣涵蓋機器學習、智能醫(yī)療保健和網(wǎng)絡安全。我構(gòu)思了 CovidDeep 概念并監(jiān)督了神經(jīng)網(wǎng)絡模型的開發(fā)。

CovidDeep 框架示意圖（GSR：皮膚電反應，Ox.：氧飽和度，BP：血壓，DT/RF：決策樹/隨機森林，NN：神經(jīng)網(wǎng)絡，KB：知識庫，MND：多變量正態(tài)分布，GMM：高斯混合模型，KDE：核密度估計）。

您能給我們概述一下這項研究以及 CovidDeep 是如何開發(fā)的嗎？

我在 2020 年 3 月上旬構(gòu)思了 CovidDeep 的想法。CovidDeep 基于使用嵌入在智能手表中的傳感器（例如，皮膚電反應、節(jié)拍間間隔和皮膚溫度）、兩個離散傳感器（脈搏血氧儀、血壓）收集數(shù)據(jù)，以及一份調(diào)查問卷（11 個問題的回答是/否）。

這些數(shù)據(jù)是從意大利北部一家醫(yī)院的健康、無癥狀和有癥狀的個體中收集的。醫(yī)生在那家醫(yī)院給它們貼上標簽，以實現(xiàn)有監(jiān)督的機器學習。然后使用基于我們的增長和修剪神經(jīng)網(wǎng)絡合成程序的數(shù)據(jù)訓練神經(jīng)網(wǎng)絡。

相對于傳統(tǒng)神經(jīng)網(wǎng)絡，增長和修剪方法顯著提高了神經(jīng)網(wǎng)絡的準確性，同時也顯著減小了神經(jīng)網(wǎng)絡的大小并提高了其能量效率。該方法模仿了人類大腦如何從嬰兒成長為蹣跚學步的大腦，再到成人大腦。好的神經(jīng)網(wǎng)絡對 SARS-CoV-2 病毒和由此產(chǎn)生的 COVID-19 疾病的診斷準確率為 98%。在法國對該神經(jīng)網(wǎng)絡進行的現(xiàn)場試驗也產(chǎn)生了 97% 的高診斷準確率。CovidDeep 目前正在等待 FDA 批準。

圖片來源：Shutterstock.com / metamorworks

團隊在開發(fā) CovidDeep 時是否遇到任何問題？如果是這樣，它們是什么？團隊是如何克服這些問題的？

當該地區(qū)遭受 COVID-19 感染激增時，在意大利北部進行了數(shù)據(jù)收集。為醫(yī)生提供數(shù)據(jù)收集所需的硬件是主要障礙。該小組聯(lián)系了意大利當局，后者幫助促進了這一進程。

從數(shù)據(jù)輸入生成預測的 CovidDeep 處理管道示意圖。

在檢測 COVID-19 時，可穿戴醫(yī)療傳感器有什么好處？

診斷神經(jīng)網(wǎng)絡嵌入在智能手機應用程序中，來自智能手表的數(shù)據(jù)可以無線傳輸?shù)皆搼�用程序，其他�?shù)據(jù)（來自離散傳感器和問卷）可以直接輸入到該應用程序中。只需一分鐘的數(shù)據(jù)收集就可以做出診斷。診斷駐留在智能手機上，從而維護用戶的隱私�？梢愿鶕�(jù)用戶的需要頻繁地進行診斷。這種廉價、快速的實時診斷可以通過僅隔離在某一天被感染的人來使經(jīng)濟恢復正常。

使用合成數(shù)據(jù)集（DT/RF：決策樹/隨機森林，NN：神經(jīng)網(wǎng)絡，KB：知識庫）對 DNN 模型進行預訓練的示意圖。

通過可穿戴醫(yī)療傳感器和其他更傳統(tǒng)的測試方法檢測 COVID-19 的主要區(qū)別是什么？

逆轉(zhuǎn)錄聚合酶鏈反應 (RT-PCR) 目前是 SARS-CoV-2 檢測的金標準。該檢測基于痰液或鼻咽拭子中的病毒核酸檢測。雖然它具有很高的特異性，但它有幾個缺點。RT-PCR 測試具有侵入性且不舒服，不可重復使用的測試套件導致供應鏈嚴重不足。也可以通過抗體測試來評估 SARS-CoV-2 感染。

然而，抗體滴度只能從疾病的第二周開始檢測到，并且持續(xù)時間不確定�？贵w測試也是侵入性的，需要靜脈穿刺，再加上幾天的處理時間，使其不太適合快速大規(guī)模篩查。非常需要一種可供公眾輕松訪問的替代 SARSCoV-2/COVID-19 檢測方法，以進行高精度的重復測試。

CovidDeep 應用程序用戶體驗的屏幕截圖。 

已經(jīng)進行的研究可以幫助診斷任何其他情況嗎？

是的。我們對其他疾�。ɡ�如 I 型和 II 型糖尿�。┖途�神健康障礙（例如重度抑郁癥、雙相情感障礙、和分裂情感障礙。我們目前正在研究它對其他幾種疾病/病癥的適用性。該方法基于這樣的假設，即疾病/障礙會在我們身體發(fā)出的生理信號上留下其獨特的特征。到目前為止，這個假設已經(jīng)得到證實。

研究結(jié)果對于可穿戴醫(yī)療傳感器在未來流行病中的潛在用途意味著什么？

同樣的方法很可能也能夠診斷未來大流行引起的感染/疾病。這似乎是一種通用方法。

你能告訴我們NeuTigers是如何成立的嗎？

2017 年秋季，我在普林斯頓大學開設了一門關于預測數(shù)據(jù)分析的機器學習課程。普林斯頓大學的一位名叫 Adel Lauui 的紳士在整個學期都參加了講座。他在學期末找我談論我實驗室的研究。我們決定我實驗室正在進行的一些工作，例如邊緣推理和智能醫(yī)療，可以商業(yè)化，并決定在 2018 年夏天以聯(lián)合創(chuàng)始人的身份推出 NeuTigers。Adel 是該公司的首席執(zhí)行官。

您對未來 10-15 年人工智能在醫(yī)療保健應用中的使用有何預測？

這是智能醫(yī)療（即在醫(yī)療保健中使用機器學習）將起飛的十年。它已經(jīng)吸引了以每年 40% 的速度增長的風險投資資金。預計五年內(nèi)每年的投資將超過 $100 B。一些主要的推動力將是診斷（基于可穿戴醫(yī)療傳感器和圖像，例如 fMRI、CT 掃描、X 射線、超聲波）、健康（通過快速發(fā)現(xiàn)疾病、紊亂或現(xiàn)有疾病的復發(fā)來實現(xiàn)早期干預） , 和醫(yī)療決策（就治療方案向醫(yī)生提供建議）。