Uporaba IoT, AI in tehnologij v oblaku za naprednejšo integrirano oskrbo na domu

IoT EcoStruxure at Enel Ensures Sustainability | Schneider Electric (Julij 2019).

Anonim

Ena od največjih rastočih demografskih podatkov v EU so posamezniki, stari 65 let in več, dve tretjini te skupine pa so v položaju multimorbidnosti, tj. Peronov, ki trpijo zaradi dveh ali več kroničnih bolezni. Neučinkovito obravnavanje multimorbidnosti je bilo poudarjeno kot nujna težava, ki bi jo morala obravnavati Akademija medicinskih znanosti v nedavno objavljenem poročilu. V okviru projekta, ki ga financira EU H2020, imenovan ProACT, naša ekipa na IBM Research-Ireland sodeluje s partnerji v akademskem in izobraževalnem sektorju, da bi poiskali nove načine uporabe IoT, AI in tehnologij v oblaku, da bi se izboljšale zmogljivosti samoupravljanja in integrirana oskrba na domu za osebe z večmorbidnostjo (PwM).

Projekt ProACT preiskuje načine, kako lahko nosljive, domače senzorje in tablične aplikacije uporabijo za pomoč osebam z večmorbidnostjo, kot tudi njihove podporne akterje, ki vključujejo neformalne skrbnike (npr. Družino in prijatelje), formalne skrbnike in zdravstvene delavce (vključno z zdravniki in medicinskimi sestrami), upravlja kombinacijo pogojev, vključno s kronično srčno popuščanje (CHF), diabetesom in kronično obstruktivno pljučno boleznijo (KOPB).

Projekt vključuje preizkušnje na Irskem in v Belgiji, ki vključujejo nacionalne zdravstvene službe, s številnimi bolniki, opremljenimi z nosilnimi in domačimi senzorji ter njihovimi akterji za podporo. Preizkusi se začenjajo zdaj. Pacienti se učijo uporabljati ProACT CareApp, ki agregira senzorske odčitke in omogoča, da lahko PwM-ji in njihovi akterji za spremljanje spremljajo njihov status, ter predlaga izobraževalne videoposnetke in vaje, prilagojene potrebam samoupravljanja. Uporabniški vmesnik ProACT CareApp je bil sooblikovan z vključitvijo mobilnih omrežij, da se zagotovi enostavnost uporabe. Glavni cilj našega raziskovanja je uporaba podatkov, zbranih za razvoj celovitega modela PwM, ki se lahko uporablja za spremljanje in napovedovanje zdravja in dobrega počutja ljudi z omejeno mobilnostjo.

V okviru projekta ProACT, naša skupina zdravja in osebno usmerjenih sistemov znanja v Dublinu gradi celovit model za osebe z multimobilizmom, pri čemer uporablja podatke o pogojih, vitlih, samoprijavah in vedenjskih ocenah. Model temelji na Bayesovem omrežju, verjetnostnem grafičnem orodju, ki se je široko uporabljalo pri odločanju o zdravstveni oskrbi. Predstavlja verjetnostno odvisnost več spremenljivk, kar omogoča napovedovanje najverjetnejšega stanja spremenljivke, ki pozna stanje drugih spremenljivk. To je obetavna tehnika za pomoč pri izzivih multimorbidnosti.

V našem konferenčnem dokumentu MIE 2018 (Medical Informatics Europe) "Analitična metoda za upravljanje z večmestnostjo z uporabo Bayesovih omrežij" predstavljamo našo analizo, imenovano Zdravstveni in wellness profilni builder (HWProfile), ki se preskuša med preskusi ProACT. HWProfile je model AI, ki je namenjen predstavitvi PwM prek več medsebojno povezanih dimenzij: demografskih, medicinskih dejavnikov, samoprijav in dejavnikov vedenja. Stanje PwM se ocenjuje s senzorji in vprašalniki, ki se izvajajo v okviru programa ProACT CareApp. Dnevna vprašanja so dragocena metoda za zbiranje raznovrstnih informacij o samoprijavah, kot so rezultati o zadihanosti za COPD in CHF, razpoloženje in anksioznost ali informacije o spoštovanju zdravil.

Za razvoj modela HWProfile smo izbrali spremenljivke, ki pokrivajo raznolike dimenzije: zdravje / medicino, življenjski slog, psihološko, dobro počutje, družabno vedenje in vedenje, skupaj z določitvijo obsega vrednosti, ki jih te spremenljivke lahko dosežejo. Nato se je model moral naučiti pogojnih verjetnostnih razmerij, ki obstajajo med spremenljivkami, s strukturnega vidika, pa tudi z numeričnega vidika. Kako vplivajo spol, starost in trpljenje artritisa na tveganje padca? Kakšna je pričakovana korist povečanja telesne aktivnosti na ravni bolečine pri ženskah s KOPB? To so vrsta vprašanj, ki jih lahko reši HWProfile.

Model smo uporabili z uporabo podatkov, pridobljenih iz TILDA, odprtega podatkovnega nabora, zbranega iz longitudinalne zdravstvene študije starejšega irskega prebivalstva, ki ga vodi Trinity College. V študiji TILDA je 8504 posameznikov, starejših od 50 let, sodelovalo v samopravlenem vprašalniku, računalniško podprtem intervjuju in zdravstveni oceni. Da bi testirali metodologijo za majhen model, je naša ekipa izbrala 12 spremenljivk iz tega nabora podatkov, upoštevajoč ciljno populacijo in pogoje, ki jih pokrivajo ProACT preskušanja in uporabljene metode zbiranja podatkov: krvni tlak, obseg, vprašalnik aktivnosti. Ta izobraženi model je bil uporabljen kot osnova za razvoj HWProfila (glej sliko 1).

Za raziskavo Bayesovega omrežnega modela smo zgradili intuitiven in interaktivni uporabniški vmesnik. Spremenljivke in pripadajoče ravni so razvrščene po barvnih kategorijah (glej sliko 1). Bayesova mreža prikazuje, kako spremenljivke vplivajo drug na drugega. Diskretne porazdelitve verjetnosti, ki ustrezajo vsaki spremenljivki, so razvrščene glede na polja na interaktivni tabli tveganja (desno na sliki 1). Za določeno spremenljivko so mejne verjetnosti vsake možne ravni označene tako v odstotkih kot v horizontalnem diagramu v ozadju.

Uporabnik lahko vsaki spremenljivki dodeli »opaženo« raven s klikom na raven. Celoten niz mejnih verjetnosti se nato posodobi, da odraža te pripombe. Ponovno klikanje na opazovano spremenljivko jo vrne v stanje brez opazovanja, pri čemer so prikazane mejne verjetnosti. Slika 1, desno, prikazuje vmesnik, ko je starost nastavljena na »nad 70« in raven holesterola na »več kot 5 mmol / l«. Posledično spremembo verjetnosti za vse povezane spremenljivke, kot je hipertenzija, je mogoče videti takoj.

Model HWProfile zagotavlja različne izhode, vključno z verjetnostnimi ocenami za vse neopažene spremenljivke, kadar koli naredite novo opazovanje. Te izhode lahko napolnijo v drugo analizo sistema ProACT, ki vključuje ciljni in izobraževalni priporočevalec, sistem opozarjanja in pogoj za poslabšanje stanja. Naš model AI je namenjen uporabi vseh razpoložljivih informacij o PwM v okviru ProACT-a, da bi dobili vpogled v njihov status in priporočila za samoupravljanje in / ali podporo in nego.

Naša IBM-ova raziskovalna skupina je razvila tudi InterACT, platformo v oblaku v okviru ProACT. InterACT, zgrajen na vrhu IBM Clouda, je izpostavljen kot niz overjenih storitev za upravljanje neidentificiranih zdravstvenih podatkov in usklajevanje sodelovanja med ponudniki podatkov, podatkovno analitiko (kot je prej omenjena HWProfile) in potrošnikom podatkov.

Prihodnje delo je v preučevanju klinične veljavnosti modela. Opazovali smo učinke med spremenljivkami v našem predhodnem modelu, ki se skladajo z medicinsko literaturo. Nadaljnji razvoj vključuje tudi analizo uspešnosti metode večje mreže, vključitev časovne dimenzije in različne stopnje vzorčenja na spremenljivko. Model HW Profile bo ovrednoten v povezavi z dodatnim delom okoli sistemov priporočil, razvitih v okviru projekta ProACT.

menu
menu