科技：使用物联网，人工智能和云技术推进基于家庭的综合护理

导语：欧盟人口增长最快的国家之一是65岁及以上的人群，其中三分之二处于多发病状态，即患有两种或两种以上慢性病的人。多发病的无效治疗已被指出是医学科学院在最近发布的报告中要解决的一个紧迫问题。

作为欧盟H2020资助项目ProACT的一部分，我们的IBM研究团队爱尔兰正在与学术界和工业界的合作伙伴合作，寻找使用物联网，人工智能和云技术的新方法，以提升自我管理能力和基于家庭的综合护理适用于多发病人。

ProACT项目正在研究可穿戴设备，家庭传感器和平板电脑应用可用于帮助多种疾病患者，以及他们的支持参与者，其中包括非正式护理人员，正式护理人员和健康专业人员，管理包括慢性心力衰竭，糖尿病和慢性阻塞性肺病在内的一系列疾病。

该项目包括爱尔兰和比利时的概念验证试验，涉及国家卫生服务，许多患者配备了可穿戴和家庭传感器及其支持参与者。审判现在开始了。患者正在学习使用ProACT CareApp，它汇总了传感器读数，并允许PwM及其支持者监控他们的状态，并建议根据自我管理需求量身定制的教育视频和教程。ProACT CareApp的UI与PwMs的共同设计共同设计，以确保易用性。我们研究的主要目标是利用所收集的数据开发PwM 的整体模型，该模型可用于监测和预测PwM的健康和福祉。

在ProACT的框架内，我们在都柏林以健康和以人为本的知识系统团队正在使用条件，生命体征，自我报告和行为评估数据为多病人建立一个整体模型。该模型依赖于贝叶斯网络，这是一种概率图形工具，已广泛应用于医疗保健决策支持。它表示几个变量之间的概率依赖性，这允许人们知道变量的最可能状态，知道其他变量的状态。它使它成为一种有前途的技术，可以帮助解决多发病的挑战。

在我们的MIE 2018会议论文“ 使用贝叶斯网络进行多种疾病管理的分析方法 ”中，我们提出了我们的分析，称为健康和健康概况构建器，正在ProACT试验期间进行测试。HWProfile是一个AI模型，旨在通过几个相互关联的维度表示PwM：人口统计学，医学因素，自我报告和行为因素。PwM的状态通过传感器和通过ProACT CareApp获取的自我报告问卷进行评估。每日问题是收集各种自我报告信息的有效方法，例如COPD和CHF的呼吸困难评分，情绪和焦虑水平或药物依从性信息。

为了开发HWProfile模型，我们选择了涵盖不同维度的变量：健康/医疗，生活方式，心理，福祉，社会和行为，以及确定这些变量可以达到的价值范围。然后，从结构的角度以及从数字的角度来看，模型必须机器学习变量之间存在的条件概率关系。性别，年龄和痛苦的关节炎如何影响跌倒的风险？对于患有COPD的女性，增加身体活动对疼痛水平的预期益处是什么？这些是HWProfile可以帮助解决的问题。

我们使用从TILDA提取的数据训练模型，TILDA是一个开放数据集，收集自三一学院领导的爱尔兰老年人的纵向健康研究。在TILDA研究中，8504名50岁以上的人参加了自填问卷，计算机辅助访谈和健康评估。为了测试小模型的方法，我们的团队从该数据集中选择了12个变量，考虑了ProACT试验中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。该训练模型被用作开发HWProfile的基础。

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。贝叶斯网络显示了变量如何相互影响。对应于每个变量的离散概率分布按交互式风险面板上的框分组。对于给定变量，每个可能级别的边际概率都以百分比形式表示，并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“观察”级别。然后更新整组边际概率以反映这些观察结果。再次单击观察到的变量会将其返回到未观察到的状态，并显示边缘概率，显示了Age被设置为'70以上'和胆固醇水平达到'超过5 mmol / L'后的界面。可以立即看到所有连接变量的概率变化。

HWProfile模型提供各种输出，包括每当进行新观察时所有未观测变量的概率估计。这些输出可以输入到ProACT系统的其他分析中，其中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，以便深入了解其状态以及自我管理和/或支持与关怀的建议。

我们的IBM研究团队还在ProACT框架内开发了基于云的平台InterACT。基于IBM Cloud构建的InterACT作为一组经过身份验证的服务公开，用于管理去识别的健康数据，并协调数据提供者，数据分析和数据使用者之间的协作。

结语：未来的工作在于研究该模型的临床有效性。我们在初步模型中观察到与医学文献一致的变量之间的影响。进一步的发展还包括用于更大网络的方法的性能分析，包括时间维度和每个变量的不同采样率。HW Profile模型将与ProACT项目中开发的推荐系统的附加工作一起进行评估。