摘录 - 美国专利 US11,107,588 B2

阅读时间 8 分钟

更新 - 6 月 18, 2025

- 加尔-埃利希, 迈尔窗 -

在尊重个人隐私的前提下确定治疗、疫苗接种、检测和/或活动优先次序的方法和系统

以下是自动翻译的上述美国专利摘录 US11,107,588 B2, 目前正在社交媒体上流传。据说该专利包含一项发明，用于与注射了石墨烯（氧化石墨烯）的人进行手机桅杆通信。.

该专利与其他四项专利申请有关，其中三项来自以色列（以色列）。277083, 然而，互联网上似乎找不到该文件。.
* 由于信件未得到答复而被拒绝

但事实上，该专利与以色列专利一样，并未描述任何以任何方式利用石墨烯的技术；„氧化石墨烯 “一词也未出现在这两项专利中！

不过，这项美国专利仍然值得一读，因为它证明了那些投机取巧的人„......我没有什么可隐瞒的...... “的观点是错误的。.

无论是手机、信用卡还是使用在线 GPS 地图服务，这些数据所揭示的信息远比人们乍一看到的要多得多。通过这些数据，可以按时间顺序建立精确的行动和遭遇档案，从而提供能够进行选择性监控、分离和措施的数据，这些数据类似于 CN 中已知的社会信用系统，可以对每个人的行为施加影响。.

摘录（文本为斜体）：

„个人的实际地理定位数据

在一些实施例中，对每个个体的实际测量地理定位数据进行监控，以评估其对其他个体的潜能。在一些实施例中，白天在其他个体所在区域表现出高移动性的个体会获得高分。在一些实施例中，每个人的实际地理定位数据与以下一个或多个数据相关联：

• 1. 电子设备，例如 GPS 提供的自己手机的位置
• 2. 使用基于以下一种或多种来源的面部识别技术：a) 从现有来源收到的视频监控数据，如街道摄像头、自动取款机、商店、建筑物和住宅中的私人监控摄像头等；b) 社交媒体。.
• 3. 数字活动，如信用卡使用情况、使用电脑或电子设备时使用的 IP 地址、通话时接收数据的天线。.

可选择使用或额外使用此类实际地理位置数据，以代替或补充人员之间接触的实际识别。.

个人的历史医疗数据

在某些实施方案中，对每个人的历史医疗数据进行评估，以提供评分。例如，如上所述，患有慢性咳嗽的人得分较高，因为他们传播传染病/病毒/病原体的可能性较高。在某些实施例中，患有背景疾病的个体会得到高分，因为这种疾病会增加传播疾病的可能性。.

个人当前的医疗数据

在大流行期间的某些实施例中，与每个人有关的所有新医疗数据都会受到监控，以确定新数据是否表明该人在感染他人的可能性方面的医疗状况发生了变化。如果上述示例中的个人被诊断出患有慢性咳嗽，那么他们的得分就会增加（例如，总体得分和/或每次接触得分）。.

第三方提供的个人相关信息

在一些实施例中，第三方信息由告知他人的人员进行评估，以确定该信息是否需要影响分数。例如，如果第三方告知一个显示低运动数据并获得低分的人实际上做了很多动作，一旦信息得到验证，分数就会相应改变。反之亦然，例如，第三方告知显示高运动数据并获得高分的人实际上呆在家里，一旦信息得到核实，分数也会相应改变。.

特别强制应用程序

在某些实施例中，鉴于大流行病，政府可能会命令公民在其智能手机（或其他智能设备，如平板电脑、智能手表和智能眼镜等）上安装一个特殊应用程序，以协助政府完成疫苗接种程序的后勤工作。在一些实施例中，政府（或其他实体）向公众提供这种特定的智能设备。在一些实施例中，应用程序和/或智能设备被配置为随时通过蓝牙提供有关用户位置的信息，并（与例如）邻近的智能设备进行通信，以评估用户之间的交互，例如用户之间的接近程度、用户的移动等）。在本发明的某些实施例中，可以使用现有的软件，例如，安卓手机和基于安卓系统的手机都有软件（例如，作为操作系统服务）可以检测他人的接近程度，可以使用或改进此类软件以提供本文所述的功能。.

在某些实施方案中，这种应用程序可用于提供用户遇到的独特的人的信息。例如，某个用户可能会遇到很多人，但他们总是同一个人。而另一个用户可能遇到的人较少，但每个人都是不同的人。在一些实施例中，第二个用户可能会获得较高的分数，因此会首先得到处理。在一些实施例中，此类应用程序和/或智能设备还用于评估疫苗接种程序的进展情况和疫苗接种程序的有效性。在一些实施例中，从每个用户接收到的个人数据与他们的健康信息（生病、接种疫苗、康复等）相结合，以进一步评估疫苗接种程序的进展情况和疫苗接种程序的有效性。可选的是，如果用户遇到的个人已接种疫苗或被归类为免疫，则这些接触可能不计算在内和/或权重较低。.

在某些实施方案中，应用程序还用于向用户发送个性化的通信，例如，让用户接种疫苗。在某些实施方案中，鉴于从应用程序接收到的信息，会采取某些行动，例如向用户发送通信，以提高他们对大流行期间行为规则的认识，让他们来接种疫苗，避免去某些感染风险高的地方。.

特别志愿应用程序

在某些实施方案中，鉴于大流行病，鼓励人们安装一个特殊的应用程序，并对安装者进行奖励。在某些实施方式中，奖励是优先级的。.

监控对象的行为

在一些实施例中，主体的行为与主体执行的安全功能有关，例如，使用面具（例如，分析通话期间拍摄的图像或手机的其他屏幕）、洗手（例如，通过智能手表分析水声或动作）、社交距离（例如，基于蓝牙功率水平和/或 NFC 检测）、在多个地点之间切换等。在某些实施例中，这些都是使用上述相同的设备/方法进行监控的。.

示范估值方法

在某些实施例中，群体（例如，超过 100、1000、10000 和/或 100000 个个体）中的每个个体都会得到一个分数，该分数定义了每个个体潜在的过度分散程度。在一些实施例中，分数定义为接触数（见本文），被计算的接触数在约 10 到约 100 之间，可选约 100 到约 1000，可选约 1000 到约 10000，例如 100、400、1000、2000、10000 或中等或更大的数字。在某些实施例中，高值定义了过度分散的高潜力，而低值定义了过度分散的低潜力。为了便于解释本发明，使用了 0 到 100 的等级表。不言而喻，还可以使用其他等级，如热图等级、十进制等级等，所有这些都包含在本发明的范围内。在本发明的某些实施例中，评分是开放的。例如，在本发明的某些实施例中，分数与其他值进行归一化。归一化不一定是线性的。在本发明的某些实施例中，分数是一个标量。例如，在本发明的某些实施例中，分值是多维的，包括过度扩展潜力维度和行为可变性维度）。例如，得分是多维的，包括超传播潜力维度和行为可变性维度）。.

在一些实施例中，使用加权评分模型计算得分，其中根据接收到的信息数据对一个或多个因素和/或组件进行评分。现在参考图 3，图 3 显示了根据本发明某些实施例计算加权得分的方法的示意性流程图。.

在某些实施例中，系统会接收主体的信息数据 302.在某些实施例中，信息数据根据信息数据的来源进行排序。 304.例如，电子信息 306.智能手机、相机、信用卡信息等。. 308.地理信息，例如来自 GPS 或手机信号塔的信息 310.政府信息，例如来自人口普查局或 EMR（电子病历）的信息 312.人的信息，例如来自其他个人的信息，要求提供关于其他个人和一个或多个上述因素和/或组成部分的信息。在某些实施方案中，系统会根据预定的标准计算出每条信息的加权分值。 314.在某些实施例中，系统然后从各种加权分数中生成一个总分，可选地根据预定的标准生成总分 316.在某些实施方案中，系统会提供一份包含治疗序列的列表，然后用于实际治疗人群 318.

在某些实施方案中，评分包括多个组成部分，例如，主体传播传染病/病毒/病原体的预测概率、主体感染传染病/病毒/病原体的预测概率、如果所述主体患有传染病/病毒/病原体，对主体造成的相对健康风险、如果所述主体感染传染病/病毒/病原体，对社会造成的危害；上述任选一项或多项与其他人身体接近程度有关的数据。.

在某些实施例中，主体的物理近似数据是通过以下一种或多种方法与其他主体计算得出的：

• 1. 该对象可能接触的对象的数量；;
• 2. 主体与其他主体的潜在和/或实际距离；;
• 3. 受试者与其他受试者可能和/或实际相遇的时间。.

在本发明的某些实施例中，分数在每次接触事件发生时和/或发生后进行更新。在本发明的某些实施例中，更新是在一天结束时进行的，可能会汇总与同一个人的多次会面。可选地或额外地，在一系列接触事件中更新评分。在本发明的某些实施例中，在收集到所有接触事件后，例如根据对接触网络的分析计算得分，以确定哪些人接种疫苗后能最好地阻止感染。这种分析可以通过模拟接触网络、尝试不同的接种方案和/或移除不同的个体和/或群体来进行。.

从评分到治疗

在某些实施方案中，一旦达到每个个体的得分，或可选择达到人群中大量个体的得分，就会生成一份名单，其中包含每个个体接受治疗的顺序。在某些实施方案中，可选择将列表分成若干组，例如，将所有得分在 100 分和 90 分之间的个体分成 A 组，该组首先接受治疗。然后，所有得分在 90 分到 80 分之间的人被分到 B 组，该组第二位接受治疗，以此类推。.

公众信息

在某些实施方案中，创建名单后，会通知个人何时何地去接受治疗，例如通过电子邮件、手机中的专用应用程序、媒体等。.

示范模拟

在某些情况下，在专用计算机中进行建模和模拟，以评估治疗的潜在进展、实现群体免疫的可能时间和/或选择各种参数的值。在某些实施方案中，模拟包括插入从个体接收到的一个或多个实际数据，以运行来自/来自个体的模拟数据（如有必要，以运行可能的方案）。在某些实施方案中，评估和模型使用神经网络、机器学习和专业模拟中的一种或多种。.

在某些实施方案中，模拟考虑并模拟了治疗（作用或）不作用于个体的可能性。.

在某些实施方案中，模拟会考虑到特定对象可能遇到的人群类型以及这些人以后可能遇到的潜在人群，并对其进行建模。例如，遇到许多儿童的教师会得到较高的模拟分数，因为如果儿童被教师感染，这些儿童就会回家并有可能感染他们的家人。例如，在监狱工作的医生可能会得到较低的模拟分数，因为监狱中的被监禁者不会离开，也不太可能感染任何人。(传染病在监狱中是单独存在的）。.

在某些实施方案中，会进行模拟，以评估用于识别超级传播者的参数值，以及如何将超级传播者与普通个体区分开来。.„