Le Wi-Fi pourrait aider à identifier quand vous avez du mal à respirer

Les routeurs Wi-Fi diffusent en continu des fréquences radio que vos téléphones, tablettes et ordinateurs captent et utilisent pour vous connecter. Au fur et à mesure que les fréquences invisibles voyagent, elles rebondissent ou traversent tout ce qui les entoure – les murs, les meubles et même vous. Vos mouvements, même votre respiration, modifient légèrement le chemin du signal du routeur à votre appareil.

Ces interactions n’interrompent pas votre connexion Internet, mais elles peuvent signaler que quelqu’un a des problèmes. Le NIST a développé un algorithme d’apprentissage en profondeur, appelé BreatheSmart, qui peut analyser ces minuscules changements pour aider à déterminer si quelqu’un dans la pièce a du mal à respirer. Et il peut le faire avec les routeurs et appareils Wi-Fi déjà disponibles. Ce travail vient d’être publié dans Accès IEEE.

En 2020, les scientifiques du NIST ont voulu aider les médecins à lutter contre la pandémie de COVID-19. Les patients ont été isolés ; les ventilateurs étaient rares. Des recherches antérieures avaient exploré l’utilisation de signaux Wi-Fi pour détecter les personnes ou les mouvements, mais ces configurations nécessitaient souvent des dispositifs de détection personnalisés, et les données de ces études étaient très limitées.

« Alors que le monde de tout le monde était bouleversé, plusieurs d’entre nous au NIST réfléchissaient à ce que nous pourrions faire pour aider », explique Jason Coder, qui dirige les recherches du NIST sur la métrologie à spectre partagé. « Nous n’avons pas eu le temps de développer un nouvel appareil, alors comment pouvons-nous utiliser ce que nous avons déjà ? »

En collaboration avec des collègues de l’Office of Science and Engineering Labs (OSEL) du Center for Devices and Radiological Health de la FDA, la codeuse et associée de recherche Susanna Mosleh a proposé une nouvelle façon d’utiliser les routeurs Wi-Fi existants pour mesurer le rythme respiratoire d’une personne dans la chambre. Dans le Wi-Fi, les « informations sur l’état du canal », ou CSI, sont un ensemble de signaux envoyés par le client (tel qu’un téléphone portable ou un ordinateur portable) au point d’accès (tel que le routeur).

Le signal CSI envoyé par le périphérique client est toujours le même et le point d’accès recevant les signaux CSI sait à quoi il doit ressembler. Mais au fur et à mesure que les signaux CSI voyagent dans l’environnement, ils sont déformés lorsqu’ils rebondissent sur des objets ou perdent de leur force. Le point d’accès analyse la quantité de distorsion pour ajuster et optimiser le lien.

Ces flux CSI sont petits, moins d’un kilo-octet, de sorte qu’ils n’interfèrent pas avec le flux de données sur le canal. L’équipe a modifié le micrologiciel du routeur pour demander ces flux CSI plus fréquemment, jusqu’à 10 fois par seconde, afin d’obtenir une image détaillée de l’évolution du signal.

Ils ont installé un mannequin utilisé pour former les professionnels de la santé dans une chambre anéchoïque avec un routeur et un récepteur Wi-Fi disponibles dans le commerce. Ce mannequin est conçu pour reproduire plusieurs conditions respiratoires, de la respiration normale à la respiration anormalement lente (appelée bradypnée), à ​​la respiration anormalement rapide (tachypnée), à ​​l’asthme, à la pneumonie et aux maladies pulmonaires obstructives chroniques, ou BPCO.

Ce qui modifie le signal Wi-Fi, c’est la façon dont le corps bouge lorsque nous respirons. Pensez à la façon dont votre poitrine bouge différemment lorsque vous avez une respiration sifflante ou que vous toussez, par rapport à une respiration normale. Au fur et à mesure que le mannequin « respirait », le mouvement de sa poitrine modifiait le chemin parcouru par le signal Wi-Fi. Les membres de l’équipe ont enregistré les données fournies par les flux CSI. Bien qu’ils aient recueilli une mine de données, ils avaient encore besoin d’aide pour donner un sens à ce qu’ils avaient recueilli.

« C’est là que nous pouvons tirer parti de l’apprentissage en profondeur », a déclaré Coder.

L’apprentissage en profondeur est un sous-ensemble de l’intelligence artificielle, un type d’apprentissage automatique qui imite la capacité des humains à apprendre de leurs actions passées et améliore la capacité de la machine à reconnaître des modèles et à analyser de nouvelles données.

Mosleh a travaillé sur un algorithme d’apprentissage en profondeur pour parcourir les données CSI, les comprendre et reconnaître les modèles qui indiquaient différents problèmes respiratoires. L’algorithme, qu’ils ont nommé BreatheSmart, a classé avec succès une variété de schémas respiratoires simulés avec le mannequin 99,54 % du temps.

« La plupart des travaux qui ont été effectués auparavant travaillaient avec des données très limitées », explique Mosleh. « Nous avons pu collecter des données avec de nombreux scénarios respiratoires simulés, ce qui contribue à la diversité de l’ensemble d’entraînement disponible pour l’algorithme. »

Il y a eu beaucoup d’intérêt pour l’utilisation des signaux Wi-Fi pour les applications de détection, dit Coder. Lui et Mosleh espèrent que les développeurs d’applications et de logiciels pourront utiliser le processus présenté dans l’ouvrage comme cadre pour créer des programmes permettant de surveiller à distance la respiration.

« Toutes les façons dont nous recueillons les données sont effectuées sur un logiciel sur le point d’accès (dans ce cas, le routeur), ce qui pourrait être fait par une application sur un téléphone », explique Coder. « Ce travail essaie de montrer comment quelqu’un peut développer et tester son propre algorithme. Il s’agit d’un cadre pour l’aider à obtenir des informations pertinentes. »