心脏病和中风是世界上两大主要死因。然而，两者都非常难以检测，导致它们臭名昭著的无声杀手。心脏病的早期诊断——包括心脏病发作和中风等并发症——可以挽救生命。

为了帮助及早发现，英国的研究人员提出了物联网设备、人工智能和云计算的方阵，以便在有人遇到疑似心血管急症时提供实时警报。

Muhammed Golec是博士。伦敦玛丽女王大学(QMUL)计算机科学专业的学生参与了这项研究。“心脏病很难通过常规方法检测出来，”他说，并强调诊断通常需要专门的测试，例如心电图和铊测试。

幸运的是，人工智能的专长之一是识别数据中的异常，检测人眼不太明显的情况下的细微之处。因此 Golec 提出物联网设备（包括智能手表和其他可穿戴设备）可用于监测人的生命体征，然后将数据传输到云端，由人工智能算法对其进行分析。如果此人出现心血管并发症，系统会自动向他们的医生和/或最近的医疗服务提供者发送警报。该平台称为 HealthFaaS——引用了流行的云计算术语“功能即服务”(FaaS)。

Golec 和他的同事在 5 月 18 日发表在IEEE 物联网杂志上的一项研究中描述了他们如何创建和测试 HealthFaaS 。研究人员根据准确度、精确度、召回率和排名预测等因素分析了五种不同的 AI，这些 AI 经过训练可以检测心脏并发症。结果显示，这些模型在心脏病风险检测方面的准确率达到了 83% 到 92%。

接下来，该团队评估了与非无服务器平台 ( Heroku ) 相比，排名靠前的模型（称为 LightGMB）在无服务器平台（Google Cloud Functions ）上的运行情况。他们发现，与非无服务器平台相比，无服务器平台可实现更高的吞吐量和更低的延迟——尤其是在用户数量增加的情况下。

例如，假设有 500 人同时使用该系统。如果用户数量突然增加到 10,000，非 Serverless 平台将崩溃并且可能无法响应。“但是无服务器平台可以通过自动增加资源来响应而不会崩溃，”Golec 说。“对于 HealthFaaS，我们使用了一个无服务器平台，因为它可以同时响应大量用户，这要归功于它的动态可扩展性特性。它还提供了诸如降低操作复杂性和按需付费定价等优势。”

然而，他指出，隐私和安全仍然是一个问题。为了解决这个问题，他建议向 HealthFaas添加安全方法，例如区块链、OAuth 2.0和传输层安全。

Golec 表示，在未来的工作中，他希望创建一个新框架来确保智能健康系统的安全性和隐私性。他还在考虑结合 AI 和无服务器计算的方法，以提高对时间敏感的 IoT 应用程序（例如即时患者随访和自动驾驶汽车）的计算效率。