Klingt fast zu gut, um wahr zu sein? Die Erfinder von «DeepCovid» sind Forscher von der renommierten US-Universität Princeton. Und sie wollen schon bald «liefern».Bild: unsplash / Corinne Kutz
Die US-Firma NeuTigers arbeitet an einem Corona-Echtzeit-Test, der auf handelsüblichen «Wearables» wie der Apple Watch funktioniere. Hier sind die wichtigsten Fragen und Antworten zur «CovidDeep»-Technologie.
08.09.2020, 09:1308.09.2020, 20:29
Folge mir
«Keine Drähte, keine Nadeln, keine Schmerzen.»
Versprechen der CovidDeep-Entwickler
Während eine Corona-Impfung auf sich warten lässt, gilt das häufige Testen als Schlüssel zur Eindämmung der Seuche und für eine weitergehende Öffnung der Wirtschaft.
Beim gegenwärtigen Prozedere sind die Gesundheitsbehörden allerdings vielerorts nicht in der Lage, mit den Ansprüchen bezüglich der Corona-Tests Schritt zu halten. Öfters lassen Resultate auf sich warten. Zudem sollten sich viel mehr Menschen testen lassen. Und dies immer wieder.
Hier könnte eine neuartige «Wearable»-Technologie helfen, die schon in wenigen Wochen marktreif sein soll. Das stellen die Entwickler von CovidDeep in Aussicht.
So viel scheint schon heute klar: Wenn die Technik wie versprochen funktioniert, hat sie das Potenzial, den Verlauf der Corona-Pandemie entscheidend zu beeinflussen.
Das Wichtigste in Kürze
- US-Forscher lancieren eine neuartige Software, um Corona-Erkrankungen mithilfe von Smartwatch-Sensoren und Künstlicher Intelligenz (KI) in Echtzeit zu erkennen und so die Ausbreitung von Covid-19 einzudämmen.
- Die «CovidDeep» genannte Technologie wird von der 2018 gegründeten US-Techfirma NeuTigers entwickelt, einem Spin-off der Elite-Universität Princeton.
- Das Start-up steht gemäss eigenen Angaben kurz vor der Fertigstellung eines digitalen Corona-Echtzeittests. Dabei sei kein Abstrich aus dem Mund-, Nasen- oder Rachenraum und auch keine Blut- oder Speichelprobe nötig.
- Mit einer Smartwatch mit Herzfrequenzmessung wie der Apple Watch soll eine fortlaufende Überwachung des Gesundheitszustandes (Screening) möglich sein. Die biometrischen Daten werden über die Smartwatch-Sensoren erfasst und per App an einen Server übermittelt.
- CovidDeep basiert auf Künstlicher Intelligenz. Ein künstliches neuronales Netzwerk, dessen Algorithmen mit maschinellem Lernen trainiert werden, wertet die anonymisierten und verschlüsselten Daten auf dem Server aus. Anhand von Mustern wird eine Erkrankung erkannt – unabhängig davon, ob Krankheitssymptome auftreten.
- Das nicht-invasive Programm soll Coronafälle mit einer Genauigkeit von bis zu 99,6 Prozent identifizieren, wenn eine auf medizinische Zwecke spezialisierte Smartwatch verwendet wird. Mit einer handelsüblichen Apple Watch sollen die Corona-Ansteckungen immer noch mit einer Genauigkeit von über 95 Prozent erkannt werden.
- Ziel sei es, die Technologie im nächsten Monat zu einem sehr niedrigen Preis verfügbar zu haben, sagte der Technische Leiter von NeuTigers im August 2020.
- Die Ursprünge des Projekts liegen in der Entwicklung eines Modells zur Diagnose von psychischen Erkrankungen und Diabetes. Die Forscher arbeiten mit Daten, die im Frühjahr in einem Spital in der Lombardei erhoben wurden – einer der am stärksten von Covid-19 betroffenen Regionen.
- Validierungsstudien finden derzeit in Genf sowie an mehreren weiteren Orten weltweit statt.
- Da noch kein fertiges Produkt vorliegt, sind wichtige Fragen zum Datenschutz und zu den Rahmenbedingungen rund um die geplante Markteinführung ungeklärt. Fraglich ist auch die Akzeptanz in der Bevölkerung. Es handelt sich um eine Anwendung der Künstlichen Intelligenz, die höchst sensible Gesundheitsdaten verarbeitet.
Ausgangslage
In Grossbritannien zeigt sich dieser Tage ein Problem, das wegen der Corona-Pandemie vielen Ländern droht: Die Gesundheitsbehörden sind mit dem massenhaften Testen überfordert. Die Covid-19-Erkrankungen nehmen zu.
Experten warnen, die britische Regierung habe «die Kontrolle über das Virus verloren» und für die Bevölkerung sei es zunehmend schwierig oder unmöglich, sich schnell testen zu lassen. Es handle sich nicht mehr um kleine Ausbrüche, auf die man einwirken könne, zitiert der «Guardian» einen früheren Regionaldirektor des National Health Service (NHS).
Doch genau das wäre nötig, damit die Strategie zur Seuchenbekämpfung funktioniert: «Test, Trace and Isolate» (Testen, Nachverfolgen und Isolieren) setzt bislang voraus, dass Infektionen möglichst rasch erkannt und durch einen biologischen Test bestätigt werden. Erst dann können sich die Contact-Tracing-Teams an die Arbeit machen und möglicherweise infizierte Kontakte ausfindig machen. Und die mittlerweile in vielen Ländern verfügbaren Proximity-Tracing-Apps setzen zwingend ein positives Testresultat voraus, um Dritte mit einem Hinweis auf dem Smartphone anonym warnen zu können.
Hier will CovidDeep ansetzen. Es ist eine neuartige Technologie, entwickelt von US-amerikanischen Forschern, die viele herkömmliche Coronatests überflüssig machen würde. Das Konzept sieht vor, dass man nur eine App auf der Smartwatch installieren muss und in der Folge automatisch und rund um die Uhr die Gesundheit überwachen lassen kann.
Die Entwickler schreiben:
«CovidDeep erfordert keine Anwesenheit einer Krankenschwester oder eines Arztes während des Tests. Es verwendet physiologische Signale, die mit handelsüblichen Geräten extrahiert wurden, und erzielt eine hohe Testgenauigkeit. Als Ergebnis bietet es einen Testmechanismus, der genau und für die Öffentlichkeit leicht zugänglich ist. Darüber hinaus erfordert dieser Mechanismus nur wenige Minuten Datenerfassung von einer Person, um eine Schlussfolgerung zu ziehen.»
quelle: medienmitteilung
«CovidDeep bietet ein schnelles Echtzeit-Screening – so kann der Einzelne früher eine Selbstquarantäne durchführen, schneller eine Behandlung erhalten und die Welt kann wieder arbeiten und die Wirtschaft in Gang bringen.»
Wie funktioniert es?
Die Entwickler schreiben:
«Unsere Lösung, CovidDeep genannt, ist ein KI-gestütztes Monitoring- und Screening-Tool, das die verschiedenen Phasen der Covid-19-Infektion erkennen kann, von gesund (Covid negativ) über asymptomatisch (Covid positiv, kann zu Hause bleiben) bis symptomatisch (Covid positiv, muss ins Krankenhaus eingewiesen werden).»
Zunächst mussten die Forscher Daten von Corona-Patienten beschaffen, um darauf basierend ihr Software-Modell für die Covid-19-Erkennung zu perfektionieren. Es ging um eine Anwendung von Künstlicher Intelligenz (KI), oder etwas genauer, um ein künstliches neuronales Netzwerk.
Vom Gehirn inspiriert
Der Technische Leiter von NeuTigers, Vishu Ghanakota, erklärte gegenüber dem «Observer», dass die Forscher einen Algorithmus entwickelt hätten, der von der Funktionsweise des menschlichen Gehirns inspiriert sei.
«Wenn wir Kleinkinder sind, haben wir einen ganzen Haufen von Neuronen. Tatsächlich haben wir mehr Neuronen, wenn wir klein sind, als wenn wir alt sind. Wenn wir uns mit der Welt auseinandersetzen, wenn wir neue Dinge erleben, werden die Verbindungen hergestellt. Und alles andere, die Neuronen, die keine Verbindungen bilden konnten, werden weggeschnitten», erklärte Ghanakota.
in den herkömmlichen Modellen des maschinellen Lernens fänden die Verbindungen zwischen den einzelnen Schichten statt; es gehe von einer Schicht zu einer anderen Schicht und so weiter. Und es habe sich traditionell erwiesen, dass mehr Schichten zu einer besseren Genauigkeit führen, weil jede Schicht Nuancen in dem, was man zu erkennen versuche, aufnehme.
Das Forschungsteam in Princeton habe diese althergebrachte Auffassung umgedreht und sich gesagt, dass das menschliche Gehirn nicht so funktioniere. «Das menschliche Gehirn hat nur sechs oder sieben Schichten, und es ist immer noch bemerkenswert genau bei verschiedenen Aufgaben», erklärte Ghanakota. Das menschliche Gehirn sei in der Lage, sich über verschiedene Schichten hinweg zu verbinden, und genau dies hätten die Forscher versucht, umzusetzen: «Sie entwickelten einen Algorithmus, um die menschliche Gehirnfunktion im Wesentlichen zu digitalisieren. Sie verfügen über mehrere Algorithmen, die nicht nur die Grösse der neuronalen Netzwerke reduzieren können, sondern die auch bemerkenswert genau sind.»
Dann ging es daran, die Algorithmen zu trainieren.
Der Technische Leiter erklärt:
«Das erste, was in das maschinelle Lernen einfliesst, sind die Daten. Deshalb haben wir Ärzte im Krankenhaus diese Patienten testen lassen, sie auf ihre Symptome hin untersucht und ihren Covid-Status gekennzeichnet. Und dann sammelten wir auch die Sensordaten von ihnen. Und so haben wir sie zusammengefügt und in ein neuronales Netz verwandelt.»
Die Daten stammen aus einem Epizentrum der Corona-Krise vom Frühjahr – der italienischen Region Lombardei. Gemessen und erhoben wurden die Daten mit einer für medizinische Zwecke geeigneten Smartwatch vom Typ «Empatica E4» sowie einem Samsung-Smartphone, dem Galaxy S8.
«Die Smartwatch hat Sensoren für die galvanische Hautreaktion (GSR). Sie hat Sensoren für die Hauttemperatur. Sie verfügt über Sensoren zur Messung der Herzfrequenz. Und obendrein haben wir auch noch einen Blutdruck- und Pulsoxymeter zur Messung der Sauerstoffsättigung hinzugefügt.»
Die Wissenschaftler konnten physiologische Daten von 87 Personen aus vier Kohorten sammeln, darunter gesunde, asymptomatische (aber SARS-CoV-2-positive) sowie mässig und schwer symptomatische Covid-19-Patienten.
Das von den Forschern entwickelte Modell zur Covid-19-Erkennung genügte nicht: Da die gängigen Smartwatch-Modelle – allen voran Marktführer Apple mit seiner Apple Watch – nicht über die oben erwähnten Spezialsensoren verfügen, mussten die Forscher ihre Software anpassen.
Der Technische Leiter sagte, das Forschungsteam habe im Wesentlichen 10 verschiedene Kombinationen von Modellen mit verschiedenen Genauigkeitsgraden von über 90 Prozent entwickelt. «Wenn Sie also keinen GSR-Sensor mit galvanischer Hautreaktion haben, wenn Sie nur eine typische Smartwatch mit Hauttemperatur- oder Herzfrequenzmonitor haben, können wir das Modell trotzdem einsetzen.»
«Sie tragen die Uhr, starten die App auf dem Mobilgerät, und dann können wir die Daten erfassen. Es dauert nur etwa 15 bis 20 Sekunden der Datenerfassung, bis die Modelle Ihren Status vorhersagen können.»
Vishu Ghanakota, CTO
Die Ursprünge des Projekts lagen in der Entwicklung eines Modells zur Diagnose von psychischen Erkrankungen und Diabetes, wie der technische Leiter weiter erklärte. Die Forscher verfügten noch immer über diese Modelle und könnten damit «Validierungsstudien» einleiten. «Tatsächlich waren wir dazu in der Lage, bevor der Ausbruch des Virus begann.»
Für Patienten mit psychischer Erkrankung werde dies wahrscheinlich noch viel wichtiger werden. Die Pandemie betreffe viele Menschen auf unterschiedliche Weise.
Ist das zuverlässig?
Der Technische Leiter:
«Wir sind in der Lage, zu unterscheiden zwischen einer gesunden Person, jemandem, der scheinbar gesund ist, aber asymptomatisch und noch in der Lage ist, das Virus zu tragen, und jemandem, der tatsächlich offensichtliche Symptome des Virus hat.
Und wir können feststellen, dass es sich speziell um Covid-19 handelt. Es stellt sich heraus, dass das Virus eine einzigartige Signatur hat in der Art und Weise, wie es auf den Körper einwirkt, und die Sensoren sind in der Lage, auch diese Daten zu erfassen.»
Vishu Ghanakota, CTO
Ghanakota betonte gegenüber dem «Observer», dass Validierungsstudien gestartet wurden: «Wir haben eine in Paris, eine in der Nähe von Genf, eine in Nordafrika, eine weitere in Japan und noch eine weitere in Indien.» Es gehe darum, wissenschaftlich sicherzustellen, dass die gleiche Datengenauigkeit (wie in Italien) auch für Menschen mit unterschiedlichen ethnischen und finanziellen Hintergründen etc. gelte.
Und der Schutz der persönlichen Daten?
Der Datenschutz sei gewährleistet, versichern die CovidDeep-Entwickler. Und dies im Sinne der relativ strengen europäischen Datenschutz-Grundverordnung (DSGVO).
Der Technische Leiter betont zudem, dass ein Ethikausschuss die Forschungsarbeiten genehmigt habe:
«Wir sammeln keine persönlichen Informationen über den Patienten, sie sind für das Modell nicht wirklich relevant. Wir drängen uns nicht auf, wir stecken keine Nadeln in die Patienten und sammeln keine Blutproben, da dies für das Modell nicht relevant ist. Dann haben wir zwei Monate damit verbracht, die Daten von etwa 100 Patienten an verschiedenen Orten zu sammeln und dann eine Analyse durchgeführt, um zu diesem Modell zu kommen.»
Vishu Ghanakota, CTO
Das zunehmende diagnostische Potenzial von Smartwatches werde Fragen des Schutzes der Privatsphäre am Arbeitsplatz in den Vordergrund rücken, prognostizierte «Business Insider» nach einem Interview mit dem NeuTigers-Co-Gründer Adel Laoui. «Denn ohne Leitplanken könnten Unternehmen schon bald einen beispiellosen Einblick in den physischen und psychischen Zustand ihrer Mitarbeiter erhalten.»
Als Reaktion auf die Corona-Krise habe Fitbit beispielsweise eine «Ready for Work»-Plattform eingeführt, die mit Hilfe von Smartwatches die Wahrscheinlichkeit bewerte, dass ein Mitarbeiter infiziert sei. Und leite diese Informationen über ein Monitoring-Softwaretool an den Arbeitgeber weiter.
Brauchts zwingend eine Smartwatch?
Der NeuTigers-Technikchef verneint.
«Die meisten Menschen haben Zugang zu einer Art Blutdruckmessgerät – Sie können zum Beispiel zu Ihrer örtlichen Apotheke gehen und sich den Blutdruck messen lassen. Und dann ein Finger-Pulsoxymeter, etwas, das Sie bei Amazon für 20 Dollar bekommen können. Und allein die Kombination dieser beiden Geräte und ein kurzer Fragebogen zu Ihren Symptomen kann uns eine Genauigkeit von 95 Prozent bringen.»
Vishu Ghanakota, CTO
Macht das die SwissCovid-App überflüssig?
Nein, definitiv nicht. Wie die Corona-Warn-App muss auch der Corona-Echtzeit-Test für die Smartwatch als ein technisches Hilfsmittel verstanden werden im Kampf gegen die Corona-Pandemie. Sofern CovidDeep tatsächlich wie geplant in den kommenden Monaten lanciert werden kann.
Und jetzt du!
Was hältst du von einer solchen Screening-App?
Quellen
In seinem Buch «Die Verselbstständigung des Kapitalismus» beschreibt der Ökonom Mathias Binswanger, wie sich Grossunternehmen und der Staat dank der Künstlichen Intelligenz verhängnisvoll ergänzen.
«Menschen reagieren auf Anreize», lautet die psychologische Grundlage der Ökonomie. Gilt das auch für Sie?
Mathias Binswanger: Sind die Anreize stark genug, können sich Menschen nur schwer gegen sie zur Wehr setzen.
1. 87 Probanden - ungenügend für dieses Model und Validierung
2. p-Hacking lässt grüssen.
3. Nur unterteilt in gesund, asymptomatisch krank und symptomatisch krank. Mit diesen einfachen Input-Grössen wird man nie eine Covid19 Infektion, eine Grippe Infektion, ein Herzproblem oder das Sporttreiben unterscheiden können.
Aber immerhin wird es schön zeigen, dass wearables & machine learning komplett überbewertet sind für die Lösung echter Probleme.
Es wäre sehr erstaunlich, wenn es gelänge, in so kurzer Zeit eine Methode zur zuverlässige Echtzeit-Erkennung einer Infektion exakt eines speziellen Virus zu erkennen.
Seit 30 Jahren wird daran geforscht, den Blutzuckerwert mittels Sensoren, die nicht in die Haut eindringen, zu messen. Jedes Mal, wenn "der Durchbruch" da war und so eine Zuckeruhr kurz vor der Markteinführung stand, zogen die Firmen diese zurück und man hörte nie mehr etwas davon.
Beim Vergleich zweier verschiedener Uhren kann der gemessene Puls schon mal 20% auseinander gehen. Basierend auf diesem schlechten Signal wollen sie nun einen komplett unzusammenhängenden Wert klassifizieren (Civid/NoCovid)!?
Selbst mit einem guten Signal dürfte dies sozusagen unmöglich sein, da es für eine Veränderung im Puls unzählige möglichen Ursachen geben kann.