對於許多人來說，Wi-Fi是一個形象的”續命稻草”。現在，美國國家標準與技術研究所（NIST）的新研究可能也能把它變成字面意義上的救星。通過用固件更新修改一個現成的Wi-Fi路由器，並使用一種深度學習算法，科學家們能夠檢測到用於醫學的表明呼吸困難的模型。

嘗試收集Wi-Fi信號以監測人們在家中的呼吸模式的想法是在COVID-19大流行的高峰期產生的。”當每個人的世界被顛覆的時候，我們幾個在NIST的人都在思考我們能做些什麼來幫助他們，”NIST的研究員Jason Coder說。”我們沒有時間開發一個新的設備，那麼我們如何利用我們已經擁有的東西？”。

答案來自於對無線電波的研究，它允許手機或平板電腦等設備與它們用來連接互聯網的路由器之間進行通信。當這些無線電波來回傳播時，它們會遇到像家具或人這樣的障礙物，使其發生輕微的改變。

通過檢查這些變化，程序員、研究助理Susanna Mosleh和科學與工程實驗室辦公室（位於美國FDA的設備和放射健康中心）的同事認為，他們可以檢測到一個人身體的細微變化，這表明檢測呼吸困難與Wi-Fi信號被用來隔牆計數和監測睡眠模式的方式相同。

為了測試這個想法，該團隊將一個模擬呼吸的人體模型放在一個被稱為消聲室的無線電波吸收室中。他們還設置了一個常見的家用Wi-Fi路由器和一個接收器。當人體模型模仿各種呼吸模式時，包括那些表明哮喘、慢性阻塞性肺病以及異常緩慢和快速呼吸的模式，無線電波的中斷被記錄下來，數據每秒傳輸約10次。

這產生了大量的信息，需要對這些信息進行分析，以發現哪些電波中斷對應於人體模型的模擬呼吸困難。為了篩選這些信息，Mosleh創建了一個深度學習算法，該團隊稱之為”BreatheSmart”。方程建立起來，數據被輸入其中，就會發現它在正確分類呼吸模式方面有99.54%的有效性。

該系統可以與現有的路由器一起工作，這一事實讓研究人員希望有一天它可以簡單地通過一個智能手機應用程序來提供固件更新而推出。他們在工作當中還創造了一個框架，其他類型的監測算法可以被納入其中。

當然，在一個密封的房間裡用醫學模型進行的測試與現實生活中人們在家具、寵物和彼此之間移動的應用有很大不同，但這項研究至少是一個可能有希望的系統的概念證明。

有關這項研究的信息已經發表在《IEEE Access》雜誌上。