Разработка интеллектуальных носимых устройств для сферы здравоохранения: Часть 1. Использование носимых устройств и когнитивных вычислений для улучшения медицинского обслуживания

В статье рассматриваются текущие тенденции применения носимых устройств в здравоохранении. Исследуется разрыв между тем, как в настоящее время используются существующие решения, и их аналитическим потенциалом. Кроме того, описываются возможности платформ для когнитивных вычислений, таких как Watson, способных ускорить выход на рынок производителей эффективных носимых устройств и переход от сегодняшних достаточно слабых решений к реализации потенциала таких устройств.

Роби Сен, независимый автор, Department13

Роби Сен (Robi Sen) является вице-президентом Department13 LLC, небольшой компании, оказывающей информационные и технологические услуги и отмеченной в списке корпораций и правительственных учреждений Fortune 1000. Большую часть времени он занимается разработкой крупномасштабных корпоративных приложений и часто выступает по темам интеграции корпоративных приложений и архитектурам, ориентированным на использование служб (service-oriented architecture - SOA).



12.05.2016

Носимые устройства и здравоохранение

Одной из самых горячих тенденций в разработке аппаратных средств является создание небольших носимых устройств (wearable) для сбора данных о здоровье и образе жизни пользователя. Это могут быть как простые браслеты Fitbit, так и значительно более сложные устройства Lab-on-a-Chip, способные измерять все что угодно — от сахара в крови и гормонов до сложных белков.

К сожалению, в большинстве случаев данные, генерируемые такими устройствами, используются недостаточно эффективно. Пользователи устройств могут извлекать только элементарные показатели (такие как количество шагов), либо данные просто недоступны для пользователей. Такая неэффективность зачастую объясняется тем, что многие производители устройств не могут себе позволить разработку необходимых средств управления большими данными или аналитических возможностей, позволяющих извлекать из носимых устройств полезную информацию.

Однако такие сервисы, как API-интерфейсы IBM Watson, позволяют разработчикам предоставлять пользователям носимых устройств ценную информацию без необходимости разрабатывать свои собственные PaaS-решения. С помощью Watson разработчики могут создавать решения, которые объединяют и сравнивают данные, обнаруживают закономерности и тенденции в этих данных, и даже изучают пациентов, использующих носимые устройства.

В этой статье под носимым устройством понимается устройство с датчиками и средствами обработки, предназначенное для предоставления пользователю — при его минимальном участии — информации для решения конкретной задачи или удовлетворения конкретной потребности. Хотя смартфон можно прикрепить к руке и использовать для контроля физической формы, он предназначен не для этого. Пользователю необходимо выполнить множество действий — загрузить и установить приложение, затем прикрепить смартфон к руке, зачастую создавая громоздкую конструкцию. То есть смартфон можно носить, но это не носимое устройство. Хорошим примером носимого устройства является браслет Fitbit, позволяющий пользователю считать количество шагов или отслеживать свою активность с целью поддержки здорового образа жизни. Определяемые таким образом носимые устройства имеют огромный потенциал применения в здравоохранении, если генерируемые ими данные можно превращать в ценные знания.


Нехватка аналитики

Браслеты Mi Band, Fitbit и другие носимые устройства способны собирать огромные объемы данных о пользователе. Но при отсутствии контекста такие данные, как количество шагов в день, вне зависимости от частоты и точности измерений, имеют слабую корреляцию с физической формой и здоровьем. Под контекстом понимается информация о возрасте, поле, весе и общем состоянии здоровья. Например, если вам 20 лет и у вас хорошее здоровье, 700 шагов в день — это не слишком высокая активность. Но если вам 80 лет и вы восстанавливаетесь после операции на колене, то такая активность впечатляет. Большинство датчиков активности в носимых устройствах бесполезны — акселерометры и магнитометры не точны, устройства не видят разницы между такими видами активности, как пешая прогулка и силовые упражнения, и зачастую они отвратительно считают калории. Хотя при наличии достаточных вычислительных возможностей и объемов данных можно обеспечить значительное повышение значимости показаний таких носимых устройств как персональных инструментов мониторинга здоровья и физической формы.

Использование API-интерфейсов Watson

IBM Watson предлагает разработчикам носимых устройств передовую систему суперкомпьютерных и когнитивных вычислений как сервис. Этот сервис позволяет разработчикам быстро проектировать и разрабатывать приложения, способные сочетать предоставляемые пользователем данные о весе, диете, здоровье и другие сведения. Например, можно собирать показания датчиков активности и данные из других источников, таких как мониторы сна, мониторы уровня глюкозы и весы с подключением к Интернету, и даже электронные медицинские карты. API-интерфейсы Watson могут даже обеспечить интеллектуальное объединение таких данных. Но что более важно, они могут извлекать из этих данных ценную информацию. Например, Fitbit предлагает визуализацию данных, как на рисунке 1, которая не слишком полезна.

Рисунок 1. Пример визуального анализа от Fitbit
Example of the sort of visual analytics from Fitbit

Объединение показаний носимых устройств с персональными данными о здоровье

Чтобы показания носимых устройств стали более полезными, необходимо анализировать эти данные в сочетании с персональной информацией о здоровье. Такие комплексные данные можно снабжать дополнительным контекстом, используя сходные данные других пользователей, для поддержки значимого статистического анализа.

Например, на рисунке 2 показан пример того, как Watson сочетает показания носимого устройства пациента с данными его электронной медицинской карты, а затем сравнивает их с данными пациентов со сходными критериями. В этом случае целью является понимание риска сердечного заболевания у пациента с использованием Фрамингемских критериев — методологии, применяемой врачами для оценки риска сердечной недостаточности. Ознакомьтесь с докладом Interactive Intervention Analysis, представленным Дэвидом Готцом (David Gotz) и Кристом Вонгсупхасаватом (Krist Wongsuphasawat) на ежегодном симпозиуме Американской ассоциации медицинской информатики в 2012 году (см. ссылку в разделе Ресурсы).

Рисунок 2. Пример сгенерированной системой Watson визуализации для сравнения данных о пациенте с данными о схожих пациентах. Иллюстрация из отчета «Interactive Intervention Analysis» (David Gotz, Krist Wongsuphasawat, American Medical Informatics Association Annual Symposium (AMIA), Чикаго, Иллинойс, 2012 г.)
An example of Watson generated visualization of patient data compared to similar patients

Кликните, чтобы увидеть увеличенное изображение

Рисунок 2. Пример сгенерированной системой Watson визуализации для сравнения данных о пациенте с данными о схожих пациентах. Иллюстрация из отчета «Interactive Intervention Analysis» (David Gotz, Krist Wongsuphasawat, American Medical Informatics Association Annual Symposium (AMIA), Чикаго, Иллинойс, 2012 г.)

An example of Watson generated visualization of patient data compared to similar patients

Поскольку Watson имеет открытую архитектуру, являясь платформой с простыми интерфейсами RESTful API, разработчики могут извлекать данные из популярных датчиков и сайтов, хранящих анализ ДНК пользователя. Они могут получать доступ к сайтам, где пользователь вводит информацию о своей диете или свои медицинские записи, и даже использовать актуальные наборы данных Национального института здравоохранения (National Institute of Health). Сравнение таких данных на основе сведений о времени активности пользователей, типах активности, местах проживания и изменениях веса открывает возможности для более совершенного статистического анализа, выходящего за пределы простой регрессии.

Разработчики могут создавать приложения, помогающие пользователям понимать свое самочувствие и диагностировать проблемы со здоровьем. Кроме того, эти приложения могут быть способны предсказывать будущие проблемы со здоровьем по ранним признакам заболевания. Такие приложения могут даже рекомендовать посещение специалиста и проведение конкретных лабораторных исследований. Такие приложения могут также быть полезны политикам и руководителям в сфере здравоохранения, позволяя выявлять эпидемии и даже потенциальные всплески заболеваемости до возникновения серьезных проблем. Платформы для когнитивных вычислений, такие как Watson, способны помочь разработчикам исключить нехватку аналитики, а также предоставить возможности для превращения носимых устройств из простых датчиков, собирающих простые данные, в инновационные платформы, позволяющие понимать физическую форму и общее самочувствие.


Движение Quantified Self и когнитивные вычисления

Носимые устройства в значительной степени способствовали развитию движения Quantified Self (Измерение себя), ориентированного на тех, кто использует технологии для мониторинга своего организма с целью улучшенного понимания своего здоровья и самочувствия. К сожалению, немногие пользователи были в состоянии эффективно использовать существующие инструменты и программы, в связи с уже упоминавшейся нехваткой аналитики. Недостаточность анализа привела к тому, что среди активных участников движения Quantified Self осталась лишь небольшая группа технических специалистов, обладающих ресурсами и способностями для извлечения полезной персональной информации из своих носимых устройств. Инструменты должны помогать пользователям, не являющимся опытными исследователями данных или врачами, обнаруживать отклонения и тенденции, специфические для их индивидуального здоровья. Пользователям также нужны инструменты, способные понимать данные и направлять владельцев к целям в отношении здоровья и физической формы.

В настоящее время такие платформы недоступны для пользователей, в частности потому, что для этого требуется уровень интеллектуальности, который сложно реализовать в программных инструментах. Однако платформа для когнитивных вычислений IBM Watson предлагает возможности для создания таких новых инструментов. Например, сочетание службы Question and Answer (вопросы и ответы) со службами Text to Speech (звуковое воспроизведение текста) и Natural Language (обработка естественного языка) позволит пользователям изучать и лучше понимать свое самочувствие, не обладая глубокими знаниями в статистике, биологии, психологии и технологиях. Система Watson предоставляет возможность создавать когнитивные приложения для носимых устройств, которые могут превратить Quantified Self из сообщества технологической элиты в массовое движение по улучшению физической формы и здоровья.

Носимые устройства и приложения для когнитивных вычислений позволят движению Quantified Self предоставить два ключевых преимущества — медицинское обслуживание, ориентированное на пациента, и более эффективная и результативная система здравоохранения.

Медицинское обслуживание, ориентированное на пациента

В обозримом будущем информация о вашем здоровье и самочувствии, предоставляемая самыми развитыми вычислительными платформами, не сможет заменить врачей-специалистов и других медицинских работников. Разработчики носимых устройств должны позаботиться о том, чтобы их устройства и связанные программные платформы позволяли пользователям взаимодействовать со своими поставщиками медицинских услуг, чтобы поддерживать развитие более открытого и коллективного медицинского обслуживания, ориентированного на пациента.

В медицинском обслуживании, ориентированном на пациента, поставщики услуг здравоохранения сотрудничают с пациентами, помогая им делать выбор, который является не просто обоснованным, а наилучшим для конкретных обстоятельств и в конкретной ситуации. В такой новой модели коллективного медицинского обслуживания разработчики носимых медицинских устройств могут играть важнейшую роль, обеспечивая доступ к своим устройствам и инструментам в защищенном режиме для поставщиков медицинских услуг в формате, который они обычно используют. Кроме того, разработчики носимых устройств могут создавать интерфейсы и сервисы, предназначенные для того, чтобы пациент и врач могли изучать данные пациента и выполнять их углубленный анализ. Такие сервисы могут предоставить обычному пользователю важный инструмент для мониторинга своего здоровья. Кроме того, они могут предоставить медицинским работникам более эффективный способ мониторинга здоровья пациентов, а также возможность сотрудничать со своими пациентами и другими медицинскими специалистами.

В такой ориентированной на пациента среде пациент может прийти к медицинскому специалисту и поговорить с ним о своих проблемах, затем вместе с врачом изучить свои медицинские записи и показания носимого устройства. Система может объединить медицинскую карту пациента с актуальными показателями, позволяя врачу увидеть возможные отклонения, требующие более тщательного анализа. Затем врач может вместе с пациентом изучить такие отклонения, обращаясь к последним результатам анализов или записям. Врач может даже сравнить новые показания носимого устройства с предшествующими данными, чтобы помочь пациенту понять анализ или прогноз врача.

Еще более впечатляющим является то, что разработчики носимых устройств могут добавлять средства предиктивного моделирования для врача, показывающего своему пациенту вероятные результаты различных методов лечения или режимов. Например, у врача может быть система, которая демонстрирует пациенту возможное влияние на его здоровье умеренных физических упражнений и определенной диеты, основываясь на конкретном клиническом случае и агрегируя другие сходные клинические случаи. Носимые устройства способны помочь поставщикам медицинских услуг быстрее принимать более эффективные решения, чтобы предоставлять своим пациентам более качественное медицинское обслуживание.

Более эффективная и результативная система здравоохранения

В настоящее время медицинское сообщество перегружено пациентами и данными. Многие врачи тратят на новых пациентов лишь 15–30 минут, и в течение этого времени они должны быстро оценить медицинскую историю, зачастую сформулированную на словах, и поставить диагноз. В результате, по данным некоторых исследований, только в США ежегодно ставится 12 миллионов неправильных диагнозов. Эта проблема усугубляется неполнотой медицинских записей, а также зачастую недостаточной точностью и нерегулярностью лабораторных исследований, результаты которых часто даже не фиксируются в цифровом виде, и поэтому врачам приходится действовать на основе догадок. Носимые устройства и когнитивные приложения способны фундаментально изменить методы диагностики пациентов, предлагая врачам более совершенную аналитику, рекомендованные методы лечения, а также более качественные и часто поступающие данные.

Используя такое решение на основе когнитивных вычислений, врачи могут изучать медицинские карты пациентов вместе с потоками показаний датчиков для получения более четкого представления о том, что на самом деле происходит с пациентом. Кроме того, врач может получать значительные преимущества от использования аналитики и средств поддержки принятия решений, предоставляемых платформой для когнитивных вычислений, такой как Watson.

Поставщики носимых устройств нового поколения могут даже обеспечивать доставку уведомлений поставщикам медицинских услуг, позволяя врачам создавать правила отправки уведомлений при выполнении определенных условий. Врач может реагировать на уведомления удаленно, изучая данные пациента без необходимости встречаться с ним. Такое усовершенствование может быть чрезвычайно полезным, позволяя поставщикам медицинских услуг проверять множество гипотез и оценивать их в реальном времени за пределами лаборатории. В настоящее время такой сценарий возможен и практически реализуем только в рамках медицинских или научных исследований. Но благодаря носимым устройствам и когнитивным вычислениям врачи смогут обслуживать больше пациентов, обладая более четким представлением об их здоровье, используя более качественные данные и сокращая вероятность трагических ошибок и неправильных диагнозов.


Заключение

В статье кратко рассказывается о том, каким образом платформы для когнитивных вычислений, такие как IBM Watson, могут помочь в создании носимых устройств нового поколения, позволяя разработчикам поддерживать более совершенный анализ, улучшенные взаимодействия с пользователем и медицинское обслуживание, ориентированное на пациента. Кроме того, описаны возможности использования носимых устройств для объединения больших данных, исторических сведений и показаний датчиков, чтобы точнее диагностировать и предсказывать заболевания. И было описано, как когнитивные приложения в сочетании с носимыми датчиками способны помочь врачам справляться с высокой рабочей нагрузкой, уменьшать количество неверных диагнозов и получить важный инструмент для понимания здоровья своих пациентов в реальном времени.

В следующей статье из этой серии Создание когнитивных приложений, использующих службы Watson будет рассмотрена возможность применения платформы IBM Watson при разработке когнитивного приложения для носимых датчиков.

Ресурсы

Комментарии

developerWorks: Войти

Обязательные поля отмечены звездочкой (*).


Нужен IBM ID?
Забыли Ваш IBM ID?


Забыли Ваш пароль?
Изменить пароль

Нажимая Отправить, Вы принимаете Условия использования developerWorks.

 


Профиль создается, когда вы первый раз заходите в developerWorks. Информация в вашем профиле (имя, страна / регион, название компании) отображается для всех пользователей и будет сопровождать любой опубликованный вами контент пока вы специально не укажите скрыть название вашей компании. Вы можете обновить ваш IBM аккаунт в любое время.

Вся введенная информация защищена.

Выберите имя, которое будет отображаться на экране



При первом входе в developerWorks для Вас будет создан профиль и Вам нужно будет выбрать Отображаемое имя. Оно будет выводиться рядом с контентом, опубликованным Вами в developerWorks.

Отображаемое имя должно иметь длину от 3 символов до 31 символа. Ваше Имя в системе должно быть уникальным. В качестве имени по соображениям приватности нельзя использовать контактный e-mail.

Обязательные поля отмечены звездочкой (*).

(Отображаемое имя должно иметь длину от 3 символов до 31 символа.)

Нажимая Отправить, Вы принимаете Условия использования developerWorks.

 


Вся введенная информация защищена.


  • Bluemix

    Узнайте больше информации о платформе IBM Bluemix, создавайте приложения, используя готовые решения!

  • Библиотека документов

    Более трех тысяч статей, обзоров, руководств и других полезных материалов.

static.content.url=http://www.ibm.com/developerworks/js/artrating/
SITE_ID=40
Zone=Когнитивное программированиеs
ArticleID=1031532
ArticleTitle=Разработка интеллектуальных носимых устройств для сферы здравоохранения: Часть 1. Использование носимых устройств и когнитивных вычислений для улучшения медицинского обслуживания
publish-date=05122016