اکنون این وزارتخانه آماده است تا گام‌های بعدی را در آنچه که پروژه ارزیابی سریع مواجهه با تهدید نامیده می‌شود، بردارد.

وزارت دفاع آمریکا سرمایه‌گذاری زیادی برای حفظ آمادگی نیروهای خود برای انجام ماموریت‌های ضروری انجام می‌دهد. با این حال، خطر ابتلا به بیماری‌های عفونی مانند کووید-۱۹ همواره یک متغیر غیرقابل پیش‌بینی بوده است.

جف اشنایدر مدیر برنامه توسعه RATE می‌گوید: اکنون وزارت دفاع آمریکا با این سیستم هوشمند عفونت‌یاب موسوم به RATE می‌تواند از پوشیدنی‌های تجاری برای نظارت غیرتهاجمی بر سلامت یک عضو استفاده کند و هشدارهای اولیه را در مورد عفونت احتمالی قبل از گسترش آن ارائه دهد.

این سیستم جدید از یک الگوریتم هوش مصنوعی استفاده می‌کند که با استفاده از داده‌های بیمارستانی از موارد کووید-۱۹ آموزش داده شده است و از داده‌های بیومتریک حاصل از پوشیدنی‌های درجه یک تجاری استفاده می‌کند.

الگوریتم RATE تشخیص زودهنگام بیماری‌های عفونی را تا ۴۸ ساعت قبل از ظهور علائم ممکن می‌کند و به طور کلی می‌تواند عفونت را تا شش روز زودتر پیش‌بینی کند.

اکنون وزارت دفاع آمریکا بودجه‌ای برای اضافه کردن ۴۵۰۰ کاربر دیگر از فناوری پوشیدنی در بخش‌های مختلف دریافت کرده است. گروهی که این فناوری جدید را دریافت می‌کنند، ۳۶۰ گروهبان اول در بخش رزم هوایی خواهند بود.

مایکل وِرنال سرگرد نیروی هوایی و مدیر بخش مدیریت استعدادها و ارزیابی‌ها می‌گوید: گروهبانان اول به عنوان ستون همه سازمان‌ها در نیروی هوایی ایالات متحده عمل می‌کنند و این فناوری می‌تواند زندگی آنها و افرادی که به آنها خدمت می‌کنند را بهبود بخشد.

کریستوفر گریدل، فرماندهی جنگ هوایی می‌گوید: فناوری سرانجام محصولی را تولید کرده که سلامت و تندرستی کلی را برای جامعه گروهبانان که سلامتی نیروهای خود را بر سلامتی خود اولویت می‌دهند، افزایش می‌دهد.

وزارت دفاع آمریکا با شرکت فناوری فیلیپس برای توسعه این الگوریتم همکاری کرده و این شرکت خصوصی اکنون به دنبال تسریع تجاری‌سازی و تولید انبوه این پوشیدنی جدید است.

ناوین ناتووال رئیس راه حل‌های فناوری یکپارچه شرکت فیلیپس در بیانیه‌ای گفت: از آنجایی که الگوریتم ما فارغ از دستگاه است، می‌توانیم از داده‌های نشانگر زیستی از هر دستگاه تجاری دلخواه استفاده کنیم. سپس آن نشانگرها را بر روی مجموعه داده‌های بالینی خود در فضای ابری اجرا می‌کنیم تا امتیاز سلامتی RATE ایجاد کنیم. این امتیاز ثابت کرده است که ما می‌توانیم آن را از طریق یک مدل به هر کسی که می‌خواهد این قابلیت را به دستگاه خود یا به عنوان یک سرویس مستقل اضافه کند، ارائه دهیم.