WiFi-Router haben das Potenzial, neue Verb\u00fcndete in der Gesundheitsvorsorge zu sein: Der Deep-Learning-Algorithmus BreatheSmart k\u00f6nnte k\u00fcnftig in der Pr\u00e4vention von Atemproblemen eine wesentliche Rolle einnehmen. Er wurde vom National Institute of Standards and Technology (NIST), einer US-Organisation, entwickelt und kann winzige Ver\u00e4nderungen in der \u00dcbertragung von Routern analysieren \u2013 und so helfen festzustellen, ob jemand in der Umgebung Atemprobleme hat. Doch wie funktioniert das Ganze?<\/p>\n\n\n\n
WiFi-Router senden st\u00e4ndig Funkfrequenzen aus. Diese werden reflektiert oder durchdringen W\u00e4nde, M\u00f6bel und sogar den menschlichen K\u00f6rper. Genau hier kommt der Algorithmus der k\u00fcnstlichen Intelligenz (KI) ins Spiel. K\u00f6rperbewegungen \u2013 einschlie\u00dflich Atembewegungen \u2013 ver\u00e4ndern den Signalweg geringf\u00fcgig und k\u00f6nnen anzeigen, ob jemand Atemprobleme hat.<\/p>\n\n\n\n
Die fr\u00fchere Forschung des NIST befasste sich mit der Verwendung von WiFi-Signalen zur Identifizierung von Personen oder Bewegungen. Oftmals erforderten die untersuchten L\u00f6sungen spezielle Devices, zudem waren die Ergebnisse limitiert. In der Zusammenarbeit mit anderen Forschern des Food and Drug Administration’s (FDA) Center for Devices and Radiological Health fand man einen neuen Weg, aktuelle WiFi-Router-Modelle zu nutzen, um die Atemfrequenz einer Person in der Umgebung zu messen.<\/p>\n\n\n\n
Wie funktioniert das Ganze genau? Die WiFi-Technologie sendet Signale vom Ger\u00e4t (einem Mobiltelefon oder Laptop) an den Zugangspunkt (den Router). Da diese vom Ger\u00e4t gesendeten Signale immer gleich sind, wei\u00df der Zugangspunkt bereits, wie sie empfangen werden sollen. Auf ihrem Weg durch die Umgebung werden sie jedoch verzerrt \u2013 beispielsweise, wenn sie an Gegenst\u00e4nden abprallen. Das wirkt sich schlussendlich auch auf die Signalst\u00e4rke aus. Der Zugangspunkt analysiert dann den Anteil der Verzerrung, um die Verbindung anzupassen und zu optimieren. Diese grundlegende Funktionalit\u00e4t machten sich die Forscher zunutze.<\/p>\n\n\n\n
Das Team \u00e4nderte die Firmware des Routers, um die Signalstr\u00f6me h\u00e4ufiger abzufragen \u2013 bis zu 10 Mal pro Sekunde. So gelang es, ein detailliertes Bild davon zu erhalten, wie sich die Signale ver\u00e4nderten. W\u00e4hrend der Forschungsarbeiten nahm eine Puppe die zentrale Rolle ein: Sie ahmte verschiedene Atemzust\u00e4nde nach: von normaler Atmung bis hin zu abnorm langsamer (Bradypnoe), abnorm schneller (Tachypnoe), Asthma, Lungenentz\u00fcndung und chronisch obstruktiver Lungenerkrankung (COPD).<\/p>\n\n\n\n
Die Forscher konnten beobachteten, dass sich die WiFi-Signale \u00e4nderten, wenn sich der K\u00f6rper w\u00e4hrend der Atmung bewegt: So macht der Brustkorb beim Keuchen oder Husten andere Bewegungen als bei normaler Atmung. Die Forscher zeichneten die Daten aus den Signalstr\u00f6men auf und analysierten sie mithilfe des vom NIST entwickelten Deep-Learning-Algorithmus BreatheSmart. Es gelang, Muster zu erkennen, die auf verschiedene Atemprobleme hinweisen. Interessant ist dabei die Trefferquote: Der Algorithmus klassifizierte in 99,54 % der F\u00e4lle verschiedene Atemmuster, die mit der Testpuppe simuliert wurden, erfolgreich.<\/p>\n\n\n\n
Den Forschern zufolge gibt es ein gro\u00dfes Interesse an der Nutzung von WiFi-Signalen f\u00fcr Sensing-Programme (WiFi Sensing). Sie hoffen, dass App-Entwickler den in der Arbeit vorgestellten Prozess als Rahmen nutzen werden, um L\u00f6sungen f\u00fcr die Fern\u00fcberwachung der Atmung zu entwickeln.<\/p>\n\n\n\n
Das NIST-Papier wurde k\u00fcrzlich in IEEE Access<\/a> ver\u00f6ffentlicht.<\/p>\n\n\n\n Die WiFi-Sensing-Technologie wird vor allem zur Erkennung und Auswertung von Anwesenheits- und Bewegungsdaten eingesetzt. Im Allgemeinen erfolgt die Arbeit in zwei Stufen: Zun\u00e4chst erfolgt die Vorverarbeitung und Filterung der von den WiFi-Ger\u00e4ten stammenden Rohdaten (Daten, die als CSI oder Channel State Information bekannt sind); danach geht es an die Verarbeitung auf h\u00f6herer Ebene, bei der k\u00fcnstliche Intelligenz und Algorithmen des maschinellen Lernens eingesetzt werden. Sie analysieren die Daten und wenden diese auf anspruchsvollere Interpretationen, wie z. B. Atemprobleme, an.<\/p>\n\n\n\n Obwohl die WiFi-Sensing-Technologie mehrere Vorteile bietet, wie z. B. eine einfache Installation, Datenschutz, Interoperabilit\u00e4t und Erkennung au\u00dferhalb der Sichtlinie, gibt es auch Einschr\u00e4nkungen. Dazu geh\u00f6ren:<\/p>\n\n\n\n Obwohl die WiFi-Sensing-Technologie mehrere Vorteile bietet, wie z. B. eine einfache Installation, Datenschutz, Interoperabilit\u00e4t und Erkennung au\u00dferhalb der Sichtlinie, gibt es auch Einschr\u00e4nkungen. Dazu geh\u00f6ren:<\/p>\n\n\n\n 2) Signalverdeckung, wenn Objekte die \u00dcbertragung behindern;<\/p>\n\n\n\n 3) Sie ist nicht f\u00fcr den Einsatz in offenen oder \u00fcberf\u00fcllten Umgebungen geeignet, welche die Signalst\u00e4rke verringern;<\/p>\n\n\n\n 4) Die \u00dcbertragungsdistanz ist begrenzt.<\/p>\n\n\n\nMehr \u00fcber WiFi-Sensing<\/h2>\n\n\n\n