李飞飞团队最新研究：“四步”AI方案助老人反抗新冠肺炎

自2018年回归学术界后，李飞飞教授便很少对外露面，克日在一次斯坦福的线上集会，让我们有时机相识她与团队的最新研究——《AI-ASSISTED IN-HOME ELDERLY CARE AMID COVID-19 PANDEMIC》（COVID-19 大盛行病中人工智能辅助的暮年人居家防控）。她先容了如何使用人工智能技术资助弱势群体——暮年人抗击新冠肺炎和慢性病治理的落地解决方案，该方案运用了 RGB 相机、深度传感器、温度传感器、可穿着传感器，以边缘盘算为焦点，同时着重强调掩护小我私家隐私问题。李飞飞在接受采访时表现，「我们将使用团结学习，以无监视的方式对每个边缘设备上的模型举行更新，以适应新情况并提高鲁棒性。通过使用团结学习，我们希望通过将攻击面仅限于设备，而不是设备和云来降低小我私家隐私和宁静风险。」此外，李飞飞还分享了包罗熏染检测、移动性分析、睡眠模式分析和饮食模式分析等四个差别场景的应用模式，以解释人工智能传感器如何协助医疗照顾护士人员和家人，资助和掩护暮年人。现在，该项目已经在旧金山地域举行试点互助。

编译 | 机械之能

上周，斯坦福大学 Human-Centered Artificial Intelligence（HAI，以人为本人工智能研究所）主办了一场名为《Artificial Intelligence and COVID-19:How Technology Can Understand,Track,and Improve Health Outcomes》的线上集会，30 余位斯坦福大学教职人员召集在一起，讨论 AI 如何资助明白、跟踪新冠肺炎，和改善公共卫生等话题，横跨医学、盘算机科学和人文学科等学界。

会上，李飞飞分享了她和团队的最新研究——《AI-ASSISTED IN-HOME ELDERLY CARE AMID COVID-19 PANDEMIC》。她先容了人工智能技术资助暮年人抗击新冠肺炎和慢性病治理的落地解决方案，该方案运用了 RGB 相机、深度传感器、温度传感器、可穿着传感器，以边缘盘算为焦点，同时着重强调了小我私家隐私掩护。

2018 年 9 月，斯坦福大学终身教授，斯坦福大学人工智能实验室主任李飞飞竣事两年学术假期，卸任谷歌云机械学习卖力人，回归斯坦福重拾基础科研。她曾谈到，一部门精神将继续 AI 医疗相关领域和 AI 基础科学的研究，「我现在最看好的是医疗康健的 AI 落地」。

今年 2 月，李飞飞入选了美国国家工程院院士。作为一名知名女性科学家，李飞飞现为美国斯坦福大学红杉讲席教授、以人为本人工智能研究院院长、AI4ALL 团结首创人主席等。李飞飞长在四川，十几岁时移居美国，2015 年入选「全球百大思想者」，并曾任谷歌云 AI 卖力人及谷歌首席科学家。

回首视频链接可见：https://hai.stanford.edu/events/covid-19-and-ai-virtual-conference/video-archive

（HAI线上分享部门内容）

李飞飞分享了一套基于 AI 的居家防护系统，该系统用于跟踪住民的康健状况，包罗 COVID-19 的体征，重点为独居老人与家人或医疗照顾护士人员保持联系，同时确保隐私和数据宁静风险。

在新冠肺炎疫情大盛行期间，照顾暮年人的难题在于，掩护暮年人的最佳方法是淘汰与人的接触，包罗注意到他们是否与体现出疾病症状的人举行接触。

该系统旨在解决跟踪暮年人康健的问题，而不会使他们面临接触危险，而且还允许看护者远程监视患有现有疾病的暮年人的基本康健状况。

一 如何资助弱势的暮年群体？

李飞飞在演讲中提到，她的团队由临床医生和盘算机科学家精密互助组成，在新型冠状病毒发作之前就已经在研究该项目。

李飞飞研究团队成员

团队先容环节，李飞飞重点谈到了 Alan Luo，他是斯坦福大学盘算机科学系的二年级博士生，此次展示的项目是他当前研究的一部门。

「已往几年来，我们一直在研究一套 AI 技术如何资助暮年人越发独立生活，并应对慢性病治理。但最近，我们意识到，用于恒久照顾护士的相同技术可能也对疫情期间的暮年人有所资助。」她谈到。

该项目仍处于研究阶段。团队需要完成数据集的构建和模型训练，现在尚不清楚需要多长时间才气完成。可是，部门或整体而言，该系统最初是为一般暮年人照顾护士而设计的，对于在大规模隔离期间举行康健监测很是理想。

由于大规模隔离，暮年人无法获得实时救治而失去生命的新闻不是少数。李飞飞在直播中先容了一则真实发生的事情，一位儿子讲述了他年迈的怙恃在意大利的家中患了 8 天的高烧，在没有适当的医疗资助的情况下熏染了冠状病毒去世。

李飞飞在直播中先容了新冠的最新研究数据。她谈道，无论是在熏染率还是死亡率方面，新冠病毒对暮年人的攻击都近年轻人大，下图中的红条显示随着年事的增长死亡率急剧上升。

究其原因，还需更进一步的科学研究作为佐证，医生和研究人员正在推测可能导致这种趋势的几个因素。

例如，大多数暮年人的康健状况欠好使他们越发懦弱，许多暮年人的社区生活使得这种高感染性病毒流传更快。另外，暮年人与照顾护士人员互动交流，这些照顾护士人员往往是较年轻的群体，可能携带病毒而没有症状。其他原因还可能包罗医疗水平挑战或由于不堪重负的医疗系统而导致的对基础慢性病缺乏照顾护士。

为此，李飞飞提出一个可能有效淘汰暮年人熏染和病死率的方法，纵然用人工智能驱动的智能传感器技术，通过在家里安装传感器，资助家庭和临床医生以通用和可扩展的方式跟踪暮年人的康健状况。

二 好的系统应该掩护隐私宁静

一个可能有效淘汰暮年人熏染和病死率的方法是使用人工智能驱动的智能传感器技术，通过在家里安装传感器，资助家庭和临床医生以通用和可扩展的方式跟踪暮年人的康健状况。

李飞飞先容，这套人工智能系统分为 4 个步骤，首先是通过把传感器放在家里收集数据。下表显示了种种智能传感器，它们在收罗数据的形式和种类上互为增补，在敏捷度上也互为增补。

李飞飞在演讲中概述了四种类型的传感器—摄像头、深度传感器、热传感器和可穿着式传感器（例如 FitBit）。李飞飞表现，他们的研究只集中在前三个方面。

她认为，由于隐私在这样的系统中很重要，所以相机提出了其他类型的传感器没有的挑战。她说：「摄像头传感器包罗一小我私家运动的许多详细信息，但它与大多数人的隐私需求组成了冲突。」

她谈道，人工智能模型可以安装在边缘设备上，这样在部署时，数据就不必再脱离屋子，直接在终端处置惩罚，淘汰了隐私风险。

在第二步中，当传感器捕捉数据时，系统会将其发送到宁静的中央服务器。李飞飞认可，该历程存在固有的宁静风险，例如网络攻击的威胁。

李飞飞在通过电子邮件回复 VentureBeat 采访时情调，研究人员在整个历程中都遵循隐私和宁静准则。「例如，我们的边缘设备配备了磁盘加密功效，用户隐私属性的数据将会被删除，例如人脸，然后数据被加密后再传输到云中，而且我们的服务器切合 HIPPA 尺度。」她说。

在第三步中，一旦数据到达服务器，经由批准的临床医生和 AI 专家将会对其举行分析和注释，以开发机械学习模型。

「人工智能模型被训练来识别临床相关的模式，包罗呼吸、睡眠、饮食和其他行为。」李飞飞增补说，他们所寻找的模式是围绕日常生活运动举行，换句话说，该模式关注的是详细的措施，并不是对住民所有的日常运动举行广泛的分析。

其次他们将训练后的模型部署到边缘设备，其中检测系统可以在当地运行。这将建立一个闭环系统，其中没有数据必须脱离的前提。「这本质上是宁静的，但这使得我们无法对这个模型举行进一步的训练。」

研究人员制定相识决此限制的计划，李飞飞在回复 VentureBeat 的电子邮件中概述了这一限制。

「我们设想，仍将使用团结学习 ，以无监视的方式对每个边缘设备上的模型举行更新，以适应新情况并提高鲁棒性。通过使用团结学习，我们希望通过将攻击面仅限于设备，而不是设备和云来降低小我私家隐私和宁静风险。」

最后，系统还需要一种将智能传感器检测效果通报给医疗照顾护士人员或家庭成员的方法。

李飞飞说，现在团队尚未找到详细的解决方案，但正在思量使用移动应用法式或 Web 界面，这两种方法都可以通过多因素身份验证来掩护。

她表现：「在这项研究的每一步以及这项技术的部署中，我们都必须对道德、隐私和宁静方面的挑战举行深思熟虑。」

三 四个应用场景

在直播中，李飞飞分享了四个实际应用案例，包罗熏染检测、移动性分析、睡眠模式分析和饮食模式分析，以解释人工智能传感器如何协助医疗照顾护士人员和家人，资助和掩护暮年人。

熏染检测方面，据显示发烧检测和呼吸模式识此外样本图像表现，使用热传感器获取更多信息有助于熏染的早期检测。

移动性分析方面，李飞飞团队将人工智能运用于明白人们的运动轨迹。在许多相关疾病中，病人的运动轨迹作为一个重要的临床指标。据下图显示，基于 AI 的传感器识别差别类型运动的准确性很是高。

睡眠模式分析，统计和分析天天睡眠的时间，以及睡眠的深浅。

最后，人工智能智传感器技术还可以用于分析饮食习惯，包罗饮食、液体摄入和药丸摄入等。

在新冠肺炎时期，最大的难题是医疗系统超负荷导致照顾护士人员缺乏，这些应用可以在生活日常资助到暮年人。李飞飞强调，「这些传感器并不是要做出诊断性决议或取代临床医生，而是可以连续存在，关注生活在家中的老龄人口，并实时向临床医生和家人发出警报。」

四 落地旧金山试点

当前的盛行病带来的挑战不仅包罗确保暮年人的宁静和康健，还包罗更广泛地关注迫切需要跟踪的疾病和应该被隔离的人群。

李飞飞表现不会涉足隐私领域。「我们的目的是提出尖端的盘算机视觉和机械学习技术，以解决医疗保健中最重要和最具挑战性的问题，并提出道德、隐私和 AI 医疗保健研究的宁静指南。」

其他一些由 AI 驱动的家庭监控系统也涉及可穿着设备，例如 Current Health、 Rhythm 和 LiveFreely 。

诸如 Care.ai 的解决方案接纳盘算机视觉来接纳非接触式监视方法，而且这种方式类似于李飞飞团队正在开发的系统，可是 Care.ai 的系统是为医院而不是家庭照顾护士而设计的。

李飞飞表现，现在这个研究项目正在举行中，研究团队仍然专注于科学研究。最新的希望是，他们已经在旧金山的辅助生活设施完成了一项试点研究，与致力于优质暮年照顾护士的组织 On Lok 互助，并将进入下一阶段的研究。