ردپای ردیاب‌ها

پایش موبایلی سرفه‌ها

با گذشت ماه‌ها از شیوع کرونای جدید، کارشناسان همچنان تأکید می‌کنند اگر نتوانیم راهی برای تشخیص سریع‌تر ابتلا به ویروس کووید 19 بیابیم، مهار این بیماری دشوار خواهد بود. در این میان بسیاری بر این باورند که هوش مصنوعی می‌تواند در این راه کمک کند. تا کنون روش‌های تشخیصی متعددی مبتنی بر هوش مصنوعی پیشنهاد شده که بسیاری از آن‌ها به داده‌های پزشکی نظیر سی‌تی‌اسکن‌ها و تصاویر رادیولوژی نیاز دارند. از جمله علایمی که برخی از محققان روی آن کار می‌کنند بررسی سرفه‌ افراد است. به‌عنوان مثال مدتی قبل گروهی از محققان مدعی شدند که می‌توان سرفه‌های ناشی از ابتلا به کووید19 را از سرفه‌های ناشی از سایر بیماری‌ها تمیز داد. حالا در پژوهشی جدید گروهی از محققان دانشگاه اِم‌آی‌تی با کمک مجموعه‌ داده‌های مفصلی از سرفه‌ها مدعی شده‌اند که می‌توانند افراد بیمار را با دقت صددرصد شناسایی کنند. این بدین معنی است که در صورت تأیید این روش توسط سازمان غذا و دارو به نرم‌افزارهای موبایلی رایگانی دسترسی خواهیم داشت که قادرند با گوش دادن به صدای سرفه، ابتلای فرد به کووید 19 را مشخص کنند. 
گروه‌های زیادی روی چنین ایده‌ای کار می‌کنند از محققان تحت پوشش بنیاد بیل و ملیندا گیتس گرفته تا محققان هوش مصنوعی هندوستان، محققان سوییس و گروه «صداهای کووید19» از دانشگاه کمبریج. این‌که تحقیقات ثابت کرده که سرفه‌های ناشی از کووید19 با سرفه‌های دیگر تفاوت‌هایی دارند نشان می‌دهد که این بیماری دارای نشانه‌های خاص خود است. هرچند گوش انسان قادر به تشخیص تفاوت‌های این سرفه‌ها نمی‌باشد. 

شکل1 - نمونه‌ای از یک نرم‌افزار موبایل که با هدف تشخیص ابتلا به کووید۱۹ از روی صدای سرفه طراحی شده است. 

به گفته محققان گوش انسان شاید موفق شود پنج تا ده ویژگی متفاوت در سرفه‌ها را تشخیص دهد، اما با کمک پردازش سیگنال و یادگیری ماشین می‌توانیم تا 300 ویژگی متمایز را در صدا تشخیص دهیم. در آغاز شیوع کووید19 گروهی از دانشگاه اِم‌آی‌تی روی استفاده از الگوریتم‌های یادگیری ماشین برای تشخیص آلزایمر با کمک ضبط صدا کار می‌کردند. زمانی‌که مشخص شد سرفه یکی از نشانه‌های مهم ابتلا به کووید19 است این گروه تمرکز خود را بر این گذاشتند که آیا این هوش مصنوعی می‌تواند ابتلا به کووید 19 را تشخیص دهد؟ آن‌ها در یک پروژه جمع‌سپاری موفق شدند مجموعه داده‌هایی را جمع‌آوری کنند که به گفته این گروه بزرگترین دیتاست صوتی مربوط به کووید 19 تا به آن روز است. این دیتاست شامل 7 هزار صدای ضبط شده است که 2680 صدای ضبط شده در این بین مربوط به افرادی است که ابتلای آن‌ها به کووید 19 تأیید شده است. محققان به‌طور آزمایشی مدل هوش مصنوعی که برای بیماری آلزایمر استفاده کرده‌ بودند را با داده‌های کووید19 آموزش دادند و این کار نتیجه داد. به‌طوری‌که مدل حاصل با دقت ۹۸.۵ درصد موفق به شناسایی افراد مبتلا به کووید 19 شد. این روش در شناسایی افراد بی‌علامت حتا دقیق‌تر هم عمل می‌کرد. به بیان دیگر یافتن افراد بی‌علامت مبتلا به کووید 19 ساده‌تر از افرادی بود که علامت داشتند. 
محققان امیدوارند که روزی نرم‌افزارهای موبایلی پایش سرفه به‌طور روزانه استفاده شوند و به‌طور مثال دانش‌آموزان پیش از رفتن به مدرسه از طریق چنین نرم‌افزارهایی سلامت خود را بررسی کنند. حتا از چنین نرم‌افزارهایی می‌توان برای شناسایی افراد مبتلا در یک مکان شلوغ استفاده کرد. لازم به ذکر است که محققان فقط به بررسی سرفه بسنده نکرده‌اند و روی تجزیه و تحلیل گفتار افراد برای تشخیص کووید 19 کار می‌کنند. 

شلیک حسگر به درخت

شکل2 - پرتاب دارت مجهز به حسگر توسط روبات پرنده.

• فرستادن روبات‌ها به ماموریت‌هایی که برای انسان خطرناک یا دشوار هستند تازگی ندارد. حالا به روبات‌ها وظیفه دیگری نیز واگذار شده است. استفاده از آن‌ها برای کارگذاشتن حسگر و برپایی شبکه حسگرها در محیط‌های خطرناک یا غیرقابل دسترس. اگر بخواهیم برای این‌کار از روبات‌های پرنده (پهپاد) استفاده کنیم چند گزینه پیش روی‌مان است. می‌توانیم حسگر را در محل و روی زمین بیندازیم که دقت کافی ندارد. می‌توانیم با استفاده از مکانیزمی حسگر را در محل مورد نظر نصب کنیم که این‌کار پیچیده است. راهکار سومی هم وجود دارد و توسط محققان آزمایشگاه روبات‌های پرنده در لندن دنبال می‌شود. در این روش روبات پرنده با استفاده از نشانه‌گیری لیزی دارت‌های مجهز به حسگر را به سوی محل مورد نظر شلیک می‌کنند. این دارت‌ها توسط یک سامانه پرتاب مجهز به فنر از فاصله چهارمتری قابل پرتاب هستند و با دقتی در حدود ده سانتی‌متر روی هدف می‌نشینند. اگر چه این دقت در مقایسه با روش‌های دیگر نصب، چندان چشمگیر نیست، اما چون روبات از فاصله‌ای ایمن قادر است حسگر را نصب کند گزینه خوبی محسوب می‌شود.
• این دارت‌ها در حال حاضر امکان نصب حسگر روی اشیایی نظیر چوب را فراهم می‌کنند، اما محققان معتقدند که می‌توان از گزینه‌های دیگری نظیر آهنربا، چسب، مواد شیمیایی یا سوزن‌های بسیار ریز استفاده کرد. آزمون‌هایی که در فضای داخلی انجام شد نشان داد استفاده از آهن‌ربا برد را تا یک متر کاهش می‌دهد.
• محققان برای افزایش دقت قصد دارند با افزودن توانایی بینایی و نیز افزودن حسگر عمق،  قابلیت تخمین فاصله و موقعیت‌یابی را نیز به این روش بیفزایند. 

حسگرهای پرنده

• نواحی زیادی در دنیا وجود دارد که مطالعه آن‌ها بسیار دشوار است، زیرا رفتن انسان به آن‌ نواحی خطرناک است. محققان دانشگاه واشینگتن حسگری به وزن ۹۸ میلی‌گرم طراحی کرده‌اند که می‌توان آن‌را بر پشت یک حشره نظیر پروانه‌ سوار کرد تا حشره آن‌را به مقصد برساند. با رسیدن حشره به مقصد، با یک فرمان بلوتوث حسگر از پشت حشره آزاد شده و حتا اگر از ارتفاعی معادل یک ساختمان شش طبقه هم فرود آید به سلامت به زمین خواهد نشست. این حسگر وقتی روی زمین نشست قادر به جمع‌آوری داده‌هایی نظیر دما و رطوبت محیط بوده و تا حدود سه سال قادر به کار است. نخستین بار است که امکان رهاسازی یک حسگر از روی ریزپهپاد‌ها یا حشراتی نظیر پروانه‌ها فراهم شده است. چنین حشراتی قادر هستند بهتر از هر روبات پرنده‌ای از میان فضاهای باریک عبور کنند و دوام پروازی زیادی دارند. در حالی‌که روبات‌های پرنده صنعتی از گیره‌های مخصوص برای حمل بار استفاده می‌کنند، این حسگر با استفاده از پایه مغناطیسی که توسط یک سیم‌پیچ ظریف احاطه شده است حمل می‌شود. به منظور رهاسازی حسگر، فردی از روی زمین فرمان بی‌سیم ارسال می‌کند و این فرمان بی‌سیم با ایجاد جریانی در سیم‌پیچ، میدانی مغناطیسی در آن ایجاد می‌کند و حسگر رها می‌شود. باتری در گوشه‌ای از این سامانه قرار می‌گیرد و همین وزن باتری و محل قرار گیری آن کمک می‌کند تا حسگر سقوط امن‌تری داشته باشد. محققان در نظر دارند که از چنین روشی برای برپایی شبکه‌ای از حسگرها استفاده کنند. در حال حاضر مانعی که بر سر راه استفاده گسترده از این حسگر وجود دارد، باتری آن است. این محققان می‌خواهند از سلول‌های خورشیدی به‌جای باتری فعلی استفاده کنند