e-works数字化企业网  »  文章频道  »  基础信息化  »  IT综合

医疗如何从可穿戴设备和认知计算中获益

2018/10/17    来源:e-works    作者:IBM      
关键字:可穿戴设备  认知计算  医疗  
可穿戴设备可以帮助医疗单位更快更好地制定决策,使他们能够为更多患者提供更好的服务。

    在本文中,将可穿戴设备定义为具有中央处理能力和传感器的设备,可穿戴设备被设计成向用户提供服务,用尽可能少的用户交互来实现特定任务或需求。因此,虽然智能手机可以戴在您的手臂作为一种可穿戴式健身传感器,但它的设计没有满足上述要求。因此,它需要大量的互动来实现一些任务,比如下载应用程序,启动应用程序,然后以很笨拙的方式将设备捆绑到您的手臂上。因此,虽然智能手机是可穿戴的,但它不是一个可穿戴设备。Fitbit设备就是一个很好的示例,Fitbit被设计用于帮助用户追踪促进健康行为的步数或活动。牢记这个定义,可穿戴设备提供了大量的医疗保健方面的潜在功能,如果信息和数据是由这些设备产生的,就可以将它们转化为可操作的情报和洞察。

分析方面的差距

    MiBand、Fitbit和其他可穿戴设备都会收集关于某个用户的大量数据。然而,这些数据(比如您一天内走的步数),无论频率或精确度如何,与健身和健康几乎没有什么实际的关系,不能用来分析数据。通过分析,我们的意思是将您的活动与您的年龄、性别、体重和总体健康状况相比较。例如,如果您是20岁,身体健康,一天内走了700步,对于您这个年龄的人群而言,您不算特别活跃。但是,如果您是80岁,刚从膝盖手术中恢复,此活动量就会非常惊人。可穿戴设备中的大多数活动传感器都不是很有用:加速计和磁力计不是很准确,它们不能区分一些活动,比如散步与力量训练,在计算卡路里时,它们的差距往往是可怕的。然而,只要有足够的计算能力和数据,您就可以让来自这些可穿戴设备的数据更加相关,使用这些设备作为个人的健康和健身监控工具。

充分利用Watson API

    IBM的Watson向可穿戴设备的开发人员提供了一个复杂的超级计算机和认知计算系统,将该系统作为一项服务。该服务允许精明的开发人员快速设计和开发能够将用户提供的数据融入到体重、饮食、健康和更多医疗保健信息中的应用程序。例如,可以从活动传感器中收集数据,还可以从其他数据源中收集数据,比如从睡眠监视器、葡萄糖监测器、互联网连接测量仪,甚至从您的电子医疗记录中收集数据。Watson API甚至可以帮助您智能融合数据,但更重要的是,它们可以从数据中获取有意义的信息。例如,Fitbit提供了类似图1的数据可视化,但这用处不大。

来自FitBit的可视化分析的排序示例

图1 来自FitBit的可视化分析的排序示例

将来自可穿戴设备的数据与个人健康数据相结合

    为了让来自可穿戴设备的数据变得更加有用,您不仅需要分析来自可穿戴设备的用户数据,还需要将这些数据与用户的个人健康数据相结合。您可以使用类似指标进一步调整与来自其他人的类似数据相结合的数据,从而获得有意义的统计分析。

    例如,在图2中,可以看到一个Watson示例,该示例将一名患者的可穿戴数据与其电子医疗记录相结合,然后将融合的数据与具有类似标准的患者进行比较。在这种情况下,我们的目标是通过以下Framingham标准,了解患者得心脏病的风险,这是医师用来评估心力衰竭风险的一种方法。请阅读“互动干预分析”的全文,此文章由David Gotz和Krist Wongsuphasawat在2012年举办的美国医学信息协会年会上发布。

Watson生成的患者数据与类似患者数据比较的可视化的一个示例

图2 Watson生成的患者数据与类似患者数据比较的可视化的一个示例

    该图片摘自以下这份报告:“互动干预分析”。由David Gotz和Krist Wongsuphasawat合著。美国医学信息学会年会(AMIA),芝加哥,伊利诺伊(2012)。

    Watson的设计是开放式的,被设计为具有简单RESTful API的平台,开发人员可以从流行的传感器和存储用户DNA分析数据的网站中提取数据。他们可以访问包含以下信息的网站:用户输入的饮食信息,或他们的医疗记录,甚至可以从美国国家卫生研究院的最新数据集中获取信息。基于以下信息比较数据:用户处于活动状态的时间、他们的活动类型、他们居住的地方,以及他们体重的变化,了解超越了简单回归的更高级的统计分析。

    开发人员可以创建帮助用户了解其基本健康和诊断医疗问题的应用程序。这些应用程序还可以根据早期疾病指标来预测未来的医疗问题。该应用程序甚至会建议用户去看专科医生,并根据分析进行专门的测试。政策制定者和公共卫生官员也可以从这样的应用程序中受益,因为这些应用程序可以在重大问题出现之前识别疾病的爆发,甚至识别潜在的生病高峰。认知计算平台(比如Watson)可以帮助开发人员弥补分析差距,允许可穿戴设备从收集简单数据的简单设备转移到潜在的革命性平台,从而了解健康和整体健康情况。

“量化自我”运动和认知计算

    从很大程度上讲,可穿戴设备是由量化自我运动(quantified self movement)驱动的,该运动的核心是了解谁在使用技术来监测自身,从而对其个人健康有更深入的了解。遗憾的是,由于前面提到的分析差距,很少有用户能够真正从当前的硬件工具和软件产品中受益。这种差距导致量化自我运动几乎完全由一小群技术性很强的个人所掌控,他们拥有资源,能够从其可穿戴设备中提取有用的个人信息。这些工具需要能够帮助那些没有受过训练的数据科学家或医生,使他们能够发现异常情况和特定于个人健康的趋势。用户还需要一些能够理解或“了解”自己的工具,并引导这些工具来实现其健康和健身目标。

    目前,用户没有获得这样的平台,部分原因是该平台需要较高的智能水平,这种智能水平很难开发成软件工具。但是,IBM Watson是一种认知计算平台,为帮助创建这种新型的工具提供了基础。例如,Question and Answer服务和Text to Speech and Natural Language服务可以让个人管理、探索、更好地了解自己的健康情况,无需对统计学、生物学、生理学和相关技术有深入的了解。借助Watson,您可以为可穿戴设备创建认知应用程序,将量化自我运动真正转变成脱离了技术精英领域的某项运动,让它成为适用于人民大众的主要健身和健康运动。

    可穿戴设备和认知计算应用程序有助于实现量化自我运动的两个关键优势:以病人为中心的护理和更有效、更高效的医疗系统。

以病人为中心的护理

    即使是来自最先进的计算机平台的有关健康情况的信息也不能很快取代专家医生或医疗专家。可穿戴设备开发人员需要考虑他们的设备和相关软件平台如何帮助个人与其医疗单位(healthcare provider)进行接洽,共同开发一个更开放的、协作形式的医疗保健,这就是通常所说的以病人为中心的护理。

    在以病人为中心的护理中,医疗单位与患者合作,帮助他们制定不仅明智而且最适合其特定环境和情况的选择。借助这个新的协作护理模型,医疗保健可穿戴设备的开发人员可以起到关键作用,让患者的医疗单位能够以他们经常使用的方式安全地访问开发人员的设备和工具。此外,可穿戴设备开发人员可以创建专门设计的界面和服务,让患者和医生能够探索患者的数据,并深入研究它。这些服务可能为主要用户提供监测其健康情况的重要工具。此外,他们可以向护理人员提供一个更有效地监测患者健康情况的方法,并与他们的患者和其他护理人员一起协作。

    在这个以病人为中心的环境中,病人可能走进来,坐下与他们的医疗保健提供者共同谈论病人的问题。随后,和他们的医生一起,沿着病人的可穿戴数据记录一起审查病人的病历。该系统可以总结病人的医疗记录和最近的数据,指出可能需要医生更多地进行分析的异常情况。然后,医生可以遍历其病人的异常情况,调出过去的医疗检查数据或记录。医生甚至可以将近期的可穿戴数据与过去的数据进行比较,帮助患者了解医生的分析和预测。

    更令人兴奋的,可穿戴设备平台开发人员可以为医生添加预测建模功能,以显示不同治疗方法或治疗方案为其病人带来的各种可能结果。例如,医生可能根据患者具体的医疗情况和其他类似患者的医疗案例的汇总数据,让系统显示病人的适度锻炼和饮食变化对他们的健康带来的影响。可穿戴设备可以帮助医疗单位更快更好地制定决策,使他们能够为更多患者提供更好的服务。

一个更有效、更高效的医疗系统

    目前,医学社区被患者和数据所淹没。许多医生仅为新患者花费15-30分钟的时间,医生必须快速评估患者的病史,往往先由患者口头阐述其病史,然后由医生做出诊断。结果,根据研究调查,美国上一年出现了1200万例误诊。该问题因为以下原因还在加剧:信息不全的医疗记录,低保真度、低频的实验室测试,这些测试甚至没有数字化,导致医生经常进行猜测。通过提供更高质量的分析、帮助推荐治疗方法和提供更高质量的高频数据,可穿戴设备和认知应用可以从根本上改变医生诊断病人的方式。

    有了这个认知计算解决方案,医生就可以检查病人的病历,深入传感器数据流,更清楚地了解病人到底发生了什么。此外,医生将会从认知计算平台(比如Watson)的分析和决策支持功能中获得极大收益。

    下一代可穿戴设备提供商甚至可以为医疗单位创建通知,允许医生创建在患者满足某些条件时通知他们的通知规则。医生可以通过直接查看患者数据来远程关注患者,完全不必与患者会面。这种增强非常强大,允许医疗单位测试各种假设,在实验室以外的地方实时验证各种假设。此方案目前仅在医学或科学研究方面是可能和实用的。但借助可穿戴设备和认知计算,医生可以管理更多的患者,更明确地了解患者的健康情况,采用更好的数据,同时降低出现悲剧性错误和误诊的可能性。

结束语

    在本文中,我们简要查看了认知计算平台(比如IBM Watson)如何帮助开创新一代的可穿戴设备,让开发人员能够获得更好的分析、用户互动和以病人为中心的护理。我们还研究了如何充分利用可穿戴设备来混合使用大数据、历史用户数据和传感器数据,以便更准确地诊断疾病和预测疾病。最后,我们讨论了如何结合使用认知应用程序与可穿戴传感器,帮助医生管理其工作,减少误诊,并为他们提供实时了解患者健康状况的重要工具。

责任编辑:程玥
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐