Algoritmo utilizza variazioni del segnale Wi-Fi per rilevare in casa persone con problemi di respirazione

I router Wi-Fi trasmettono continuamente frequenze radio che i tuoi cellulari, tablet e computer raccolgono e utilizzano per portarti online. Le frequenze invisibili mentre viaggiano, rimbalzano o attraversano tutto ciò che le circonda come pareti, mobili e persino te, i tuoi movimenti, anche la respirazione, alterano leggermente il percorso del segnale dal router al tuo dispositivo.
Le suddette interazioni non interrompono la tua connessione Internet, ma potrebbero segnalare quando qualcuno è in difficoltà. Il NIST (National Institute of Standards and Technology) ha sviluppato un algoritmo di apprendimento profondo, chiamato BreatheSmart, in grado di analizzare quei minuscoli cambiamenti per aiutare a determinare se qualcuno nella stanza sta lottando per respirare. E può farlo con router e dispositivi Wi-Fi già disponibili.
Lo studio condotto dai ricercatori Susanna Mosleh, Jason B. Coder, Christopher G. Scully, Keith Forsyth e Mohamad Omar Al Kalaa, recentemente è stato pubblicato nella rivista IEEE Access.
I ricercatori del NIST nel 2020 volevano aiutare i medici a combattere la pandemia di Covid-19. I pazienti erano stati isolati, i ventilatori erano scarsi. Ricerche precedenti avevano esplorato l’utilizzo di segnali Wi-Fi per rilevare persone o movimenti, ma queste configurazioni spesso richiedevano dispositivi di rilevamento personalizzati e i dati di questi studi erano molto limitati.
Jason B. Coder, attualmente guida il gruppo di metrologia a spettro condiviso presso il laboratorio di tecnologia delle comunicazioni del National Institute of Standards and Technology, ha detto:
«Mentre il mondo di tutti veniva capovolto, molti di noi al NIST stavano pensando a cosa avremmo potuto fare per dare una mano, non avevamo tempo per sviluppare un nuovo dispositivo, quindi come potevamo usare quello che già avevamo?».
Susanna Mosleh ricercatrice associata presso il NIST, in collaborazione con i colleghi dell’Office of Science and Engineering Labs (OSEL) del Center for Devices and Radiological Health della FDA insieme a Jason B. Coder hanno sviluppato un nuovo metodo di utilizzare i router Wi-Fi esistenti per misurare la frequenza respiratoria di una persona in una stanza.
Il team di ricercatori ha spiegato che nel Wi-Fi, le “informazioni sullo stato del canale”, o CSI, sono un insieme di segnali inviati dal client (come un cellulare o un laptop) al punto di accesso (come il router). Il segnale CSI inviato dal dispositivo client è sempre lo stesso e il punto di accesso che lo riceve sa come dovrebbe essere. Tuttavia, quando i segnali CSI attraversano l’ambiente, vengono distorti perché rimbalzano sugli oggetti o perdono forza. Il punto di accesso analizza la quantità di distorsione per regolare e ottimizzare il collegamento, questi flussi CSI sono piccoli, meno di un kilobyte, quindi non interferiscono con il flusso di dati sul canale.
Il team di ricercatori per ottenere un quadro dettagliato di come stava cambiando il segnale, ha modificato il firmware del router per richiedere questi flussi CSI più frequentemente, fino a 10 volte il secondo. Hanno allestito un manichino utilizzato per addestrare i professionisti medici in una Camera anecoica (è un ambiente di laboratorio strutturato in modo da ridurre il più possibile la riflessione di segnali sulle pareti), con un router e un ricevitore Wi-Fi disponibili in commercio, questo manichino è progettato per riprodurre diverse condizioni respiratorie, dalla respirazione normale alla respirazione anormalmente lenta (chiamata bradipnea), respirazione anormalmente rapida (tachipnea), asma, polmonite e malattie polmonari croniche ostruttive o BPCO.
Jason B. Coder ha detto:
«Ciò che altera il segnale Wi-Fi è il modo in cui il corpo si muove mentre respiriamo. Pensa a come il tuo torace si muove in modo diverso quando stai ansimando o tossendo, rispetto a quando respiri normalmente. Il manichino mentre “respirava” il movimento del suo petto alterava il percorso del segnale Wi-Fi. Il team di ricercatori hanno registrato i dati forniti dai flussi CSI. Sebbene abbiano raccolto una grande quantità di dati, avevano comunque bisogno di aiuto per dare un senso a ciò che avevano raccolto. È qui che abbiamo sfruttato l’apprendimento profondo».
L’apprendimento profondo è un sottoinsieme dell’intelligenza artificiale, un tipo di apprendimento automatico che imita la capacità degli esseri umani di imparare dalle loro azioni passate e migliora la capacità della macchina di riconoscere modelli e analizzare nuovi dati.
Susanna Mosleh ha lavorato su un algoritmo di apprendimento profondo per esaminare i dati CSI, poterli comprendere e riconoscere schemi che indicavano diversi problemi respiratori. L’algoritmo chiamato BreatheSmart, il 99,54% delle volte ha classificato con successo una varietà di schemi respiratori simulati con il manichino.
Susanna Mosleh ha affermato:
«La maggior parte del lavoro svolto in precedenza riguardava dati molto limitati, siamo stati in grado di raccogliere molti più dati con scenari respiratori simulati, ciò contribuisce alla diversità del set di allenamento disponibile per l’algoritmo».
Jason B. Coder ha detto:
«C’è stato molto interesse nell’utilizzo dei segnali Wi-Fi per le applicazioni di rilevamento, insieme a Susanna Mosleh confidiamo che gli sviluppatori di app e software possano utilizzare il processo presentato in questa ricerca come struttura per creare programmi per monitorare la respirazione a distanza. Tutti i metodi in cui raccogliamo i dati vengono eseguiti sul software sul punto di accesso, in questo caso, il router, tale azione potrebbe essere eseguita da un’app su un cellulare. Il nostro studio cerca di spiegare come qualcuno possa sviluppare e testare il proprio algoritmo. Si tratta di un quadro di riferimento per aiutarli a ottenere rilevanti informazioni».

Algoritmo Wi-Fi BreatheSmart