一种实时跟踪咳嗽和人群规模的物联网设备可能会成为识别大量人群流感样症状的有用工具，研究人员说。研究人员将其称为FluSense，大小与字典差不多。它包含一个廉价的麦克风阵列、一个热传感器、一个RaspberryPi和一个IntelMovidius2神经计算引擎。这个想法的灵感来自于使用人工智能技术分析给定时间的音频样本，以确定和分类房间内的人数。FluSense的系统在区分咳嗽和其他类型的非语音音频方面非常出色，因此将咳嗽与给定人群的规模相关联可以提供一个有用的指标，表明有多少人可能会出现流感样症状。在2018年12月至2019年7月的测试中，麻省大学健康服务诊所的四个候诊室安装了FluSense，研究人员表示，他们能够将该系统的结果与流感和其他类似疾病的结果进行比较。疾病的临床测试症状密切相关。该论文的主要作者、博士生ForsadAlHossain和他的合著者兼顾问助理教授TauhidurRa??hman认为，FluSense正在制定更大的计划。他们目前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，以捕捉居住在城镇或城市的广泛人群的症状信号，”他们说。也在寻找资金进行大规模试验，同时他们也在通过扩展FluSense的功能来捕捉更多的症状信号（例如，在FluSense中添加打喷嚏功能）来实现传感能力的多样化。我们看到了相当大的商业化研究的潜力。”从技术角度来看，FluSense特别有趣，因为所有有意义的处理都通过英特尔神经计算引擎和RaspberryPi在本地完成。症状信息通过无线方式发送到实验室进行整理，但繁重的工作是在边缘完成的。AlHossain和Rahman很快强调，该设备不会收集个人身份信息——重点是在给定的上下文中聚合数据，而不是识别任何个体患者——并且它收集的信息经过高度加密，隐私得到了很好的保证。研究人员认为，FluSense的重点是将其视为健康监测工具，而不是诊断设备。AlHossain和Rahman表示，与其他健康监测技术相比，它具有几个重要的优势，尤其是那些基于互联网跟踪的技术，例如GoogleFluTrend和Twitter。“FluSense不太容易受到公共卫生运动或广告的影响。此外，传感器的非接触式特性非常适合捕捉来自不同地理位置和不同群体的弱势群体（包括可能无法获得医疗保健且可能无法获得医疗保健的弱势群体）去看医生/诊所）组）症状。”
