华米健康引擎:疫情期间湖北日均步数下降44%

2020年初,国内新型冠状病毒肺炎疫情突发,华米科技(NYSE:HMI)基于华米健康引擎,发布了《新冠肺炎疫情期间国人健康状况趋势报告》,利用自身大数据和人工智能技术对流行性疾病趋势进行分析和预测,再次证实了可穿戴传感器的健康监测在流行病警报和及时公共卫生管理中可以发挥重要的作用。同时,也对新冠肺炎疫情期间国人的运动、睡眠等数据,进行了综合分析。

可穿戴大数据助力新冠肺炎疫情监测预警

临床研究表明,新冠肺炎的常见症状为发热、咳嗽、疲劳等,这些症状与可穿戴设备测量的生理体征信号密切相关。可穿戴生物传感器可以更方便的获取用户心率、活动、睡眠等生理指标,因此,建立基于可穿戴设备数据的预测模型有望成为预测新冠肺炎流行趋势的新方法。

根据医学研究,人体体温每升高1℃,心率增加约8.5 bpm。基于此,可将新冠肺炎或流感类疾病的发热症状引起的心率升高,作为生理异常检测方法的出发点。对于每个用户,研究人员将连续5天静息心率比个人均值高出1.5个标准差,并且睡眠时长不少于个人均值0.5个标准差,作为异常判断标准。为区分新冠肺炎和其他流感类疾病,华米研究人员研发了可预测新冠肺炎趋势的异构神经网络回归模型,该模型综合考虑了假日、天气、季节、历史周期性生理异常及普通流感发热引起的异常等因素的影响,模拟出了由新冠肺炎引发的异常率流行趋势。

华米研究人员采集了武汉、北京、深圳、合肥及南京地区共计超过40万个样本数据,开展新冠肺炎引起的生理异常的预测研究。采集的数据主要包括心率、活动和睡眠时间,考虑到不同地区气候及生活方式差异对新冠肺炎疫情的影响,每个地区分别训练了各自的区域模型。

华米健康引擎:疫情期间湖北日均步数下降44%

数据发现,武汉、北京、深圳、合肥及南京,每个等城市的感染率预测曲线都有一个明显的暴发期,这应对应于各个城市的疫情发展趋势。以武汉为例,模型预测的感染率在1月28日左右达到峰值,而官方发布的武汉新增确诊感染率在2月7日达到最大(武汉2月12日后的数据被省略,因为新型冠状病毒感染的肺炎诊断

'); })();