使用物联网人工智能和云技术推进家庭综合护理

欧盟人口增长最快的人群之一是65岁及65岁以上的人群，其中三分之二处于多发病状态，即患有两种或多种慢性疾病的庇隆族。医学科学院在最近发布的一份报告中指出，多发病的无效治疗是亟待解决的问题。作为欧盟H2020资助的名为ProACT的项目的一部分，我们位于爱尔兰的IBM Research团队正在与学术界和行业合作伙伴合作，以寻找新的方法来使用IoT，AI和云技术来增强自我管理功能和基于家庭的综合护理适用于多发病患者(PwM)。

ProACT项目正在研究可穿戴式，家用传感器和平板电脑应用程序如何用于帮助多种疾病患者及其支持者，其中包括非正式的照顾者(例如家人和朋友)，正式的照顾者和****专业人员(包括医生和护士) )，应对包括慢性心力衰竭(CHF)，糖尿病和慢性阻塞性肺疾病(COPD)在内的各种疾病。

该项目包括在爱尔兰和比利时进行的涉及国家卫生服务的概念验证试验，其中许多患者配备了可穿戴和家用传感器以及他们的支持人员。现在开始审判。病人正在学习使用ProACT CareApp，该软件可汇总传感器的读数，并允许PwM及其支持人员监视其状态，并建议针对自我管理需求的教育视频和教程。ProACT CareApp的用户界面是在PwM的参与下共同设计的，以确保易用性。我们研究的主要目标是使用收集到的数据来开发PwM 的整体模型，该模型可用于监视和预测PwM的健康状况。

在ProACT的框架内，我们位于都柏林的健康与以人为本的知识系统团队正在使用条件，生命力，自我报告和行为评估的数据，为患有多种疾病的人建立一个整体模型。该模型基于贝叶斯网络，贝叶斯网络是一种概率图形工具，已广泛应用于医疗****决策支持中。它表示几个变量之间的概率依存关系，这使一个变量可以知道其他变量的状态来预测变量的最可能状态。它使其成为解决多发病率挑战的有前途的技术。

在我们的MIE 2018(欧洲医学信息学)会议论文“ 使用贝叶斯网络进行多发病管理的分析方法 ”中，我们介绍了称为“健康与健康档案生成器”(HWProfile)的分析方法，该方法正在ProACT试验中进行测试。HWProfile是一种AI模型，旨在通过几个相互联系的维度来表示PwM：人口统计，医学因素，自我报告和行为因素。通过传感器和通过ProACT CareApp进行的自我报告调查表评估PwM的状态。每日提问是一种收集各种自我报告信息的有价值的方法，例如，COPD和CHF的呼吸困难分数，情绪和焦虑水平或药物依从性信息。

为了开发HWProfile模型，我们选择了涵盖各个方面的变量：健康/医疗，生活方式，心理，福祉，社交和行为，以及确定这些变量可以达到的值范围。然后，该模型必须从结构的角度以及从数值的角度机器学习变量之间存在的条件概率关系。性别，年龄和患关节炎的人如何对跌倒的风险产生影响?对于患有COPD的女性，增加体育锻炼对疼痛程度的预期益处是什么?这些是HWProfile可以帮助解决的问题。

我们使用从TILDA提取的数据训练了模型，该数据是由Trinity College领导的对爱尔兰老年人口的纵向健康研究收集的开放数据集。在TILDA的研究中，有8504名50岁以上的人参加了一次自我填写的问卷调查，计算机辅助访谈和健康评估。为了在一个小模型上测试方法，我们的团队从该数据集中选择了12个变量，考虑了ProACT试验涵盖的目标人群和条件以及所使用的数据收集方法：血压监测，量表，活动问卷。这个经过训练的模型被用作开发HWProfile的基础(见图1)。

为了探索贝叶斯网络模型，我们构建了一个直观的交互式用户界面。变量及其相关级别按颜色编码类别分组(请参见图1)。贝叶斯网络显示变量如何相互影响。对应于每个变量的离散概率分布通过交互式风险面板上的框进行分组(图1的右侧)。对于给定的变量，每个可能水平的边际概率既以百分比形式表示，又通过背景中的水平条形图表示。

用户可以通过单击级别为任何变量分配“已观察”级别。然后更新整个边际概率集以反映这些观察结果。再次单击观察到的变量将其返回到未观察到的状态，并显示边际概率。右图1显示了Age(年龄)设置为“ 70以上”并且胆固醇水平设置为“大于5 mmol / L”后的界面。可以立即看到所有相关变量(例如高血压)的概率结果变化。

HWProfile模型提供各种输出，包括在进行新观察时对所有未观察到的变量进行概率估计。这些输出可以反馈给ProACT系统的其他分析，包括目标和教育推荐器，警报系统和病情恶化监测器。我们的AI模型旨在利用ProACT范围内的PwM上的所有可用信息，以提供有关其状态的见解以及对自我管理和/或支持与关怀的建议。

我们的IBM研究团队还开发了InterACT，这是ProACT框架内基于云的平台。InterACT建立在IBM Cloud之上，它作为一组经过身份验证的服务公开，以管理未标识的健康数据并协调数据提供者，数据分析(如之前提到的HWProfile)和数据使用者之间的协作。

未来的工作在于调查模型的临床有效性。我们已经观察到初步模型中与医学文献一致的变量之间的影响。进一步的发展还包括针对较大网络的方法的性能分析，包含时间维和每个变量不同的采样率。将结合在ProACT项目中开发的推荐系统周围的其他工作来评估HW Profile模型。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!