محققان دانشگاه ماساچوست می‌گویند که یک دستگاه لبه‌ای رزبری پای می‌تواند در تشخیص علائم مشابه آنفولانزا در جمعیت موثر باشد، و این امر تعداد ابزار مورد استفاده برای ردیابی انتشار بیماری را افزایش می‌دهد.
گروهی از محققان در دانشگاه ماساچوست در آمهرست بر این باورند که دستگاه اینترنت اشیا که سرفه و تراکم جمعیت را به صورت لحظه‌ای ردیابی کند، می‌تواند ابزاری کارآمد برای تشخیص علائم مشابه آنفلونزا در گروه‌های بزرگی از مردم باشد.
دستگاه فلوسنس به اندازه یک دیکشنری است. این دستگاه شامل یک آرایه میکروفون معمولی، یک حسگر دما، رزبری پای و موتور پردازش عصبی اینتل موویدیوس ۲ می‌باشد. این دستگاه با هدف استفاده از هوش مصنوعی در لبه برای طبقه‌بندی نمونه‌های صدا و تشخیص تعداد افراد حاضر در یک اتاق در زمان مشخص، ساخته شده است.
از آنجا که این سیستم می‌تواند صدای سرفه را از دیگر صداها تشخیص دهد، پیدا کردن ارتباط سرفه با میزان جمعیت مشخص می‌تواند تعداد افراد با علائم احتمالی آنفولانزا را به صورت کارآمد ارائه نماید.
در آزمایشی که از دسامبر ۲۰۱۸ تا ژوئیه ۲۰۱۹ در جریان بود، دستگاه فلوسنس در چهار اتاق انتظار در کلینیک خدمات بهداشتی دانشگاه ماساچوست نصب شد، و محققان بیان داشتند که توانستند ارتباط زیادی میان نتایج این سیستم با آزمایشات آنفولانزا و دیگر بیماری‌ها با علائم مشابه پیدا کنند.
فورساد الحسین دانشجوی دکترا که نویسنده ارشد مقاله است، و نویسنده همکار و مشاور او استادیار توحیدور رحمان، برنامه های بیشتری برای فلوسنس دارند.
آن‌ها می‌گویند: “در حال حاضر قصد داریم تا سیستم فلوسنس را در چندین فضای عمومی بزرگ به کار گیریم (همچون کافه تریاهای بزرگ، کلاس‌ها، خوابگاه‌هاه، سالن‌های ورزشی و سالن‌های اجتماعات)، تا علائم سندروم را از جمعیت زیادی از مردم ساکن یک شهر یا شهرستان ثبت نماییم. ما منتظر کمک هزینه برای اجرای یک برنامه آزمایشی در مقیاس بزرگ در چندین شهر هستیم. در عین حال، با توسعه توانایی‌های فلوسنس مشغول متنوع سازی توانایی حسی خود هستیم، تا بتوانیم علائم سندروم بیشتری را به ثبت برسانیم (اخیراً توانایی احساس عطسه را نیز به فلوسنس افزوده‌ایم). به طور قطع در این تحقیق شاهد سطح قابل توجهی از پتانسیل تجاری سازی هستیم.
فلوسنس از جنبه تکنیکی بسیار جذاب است، چرا که تمامی عملیات پردازش به صورت محلی و از طریق موتور پردازش عصبی اینتل و رزبری پای انجام می‌شود. اطلاعات علائم به صورت بیسیم برای مقایسه به آزمایشگاه فرستاده می‌شود، اما لیفتینگ سنگین در لبه صورت می‌گیرد. الحسین و رحمان تاکید کرده‌اند که این دستگاه اطلاعات قابل شناسایی فردی را جمع‌آوری نمی‌کند – تمرکز این دستگاه به جای تشخیص بیماری در هر بیمار، بر مجموع داده‌ها در یک موقعیت مشخص است – و تمامی اطلاعات جمع‌آوری شده توسط آن کاملاً رمزنگاری می‌شوند؛ پس نیازی به نگرانی در مورد امنیت این دستگاه نیست.
بنابر گفته محققان، نکته کلیدی فلوسنس در دیده شدن به عنوان یک ابزار نظارت بر سلامت است و نباید آن را به عنوان ابزاری برای تشخیص بیماری دانست. الحسین و رحمان می‌گویند که این دستگاه در مقایسه با دیگر تکنیک‌های نظارت بر سلامت و به خصوص تکنیک‌های مبتنی بر ردیابی اینترنتی همچون گوگل فلو ترند و توییتر، از مزایای بسیاری برخوردار است.
آن‌ها می‌گویند: “فلوسنس به آسانی تحت تاثیر تبلیغات و کمپین‌های عمومی سلامت قرار نمی‌گیرد. همچنین، ماهیت این سنسور که نیازی به تماس ندارد، برای ثبت علائم سندروم به صورت منفعلانه از موقعیت‌های جغرافیایی مختلف و گروه‌های اقتصادی اجتماعی مختلف ایده‌آل است (از جمله مناطق محرومی که ممکن است به امکانات پزشکی دسترسی نداشته باشند و به پزشک/کلینیک مراجعه نکنند.)”
