使用物联网和机器学习来跟踪肺病的进展

时间:2019-03-06 18:38:58 阅读:8次

   IBM科学家Thomas Brunschwiler和Rahel Straessle正在开发机器学习算法来解释物联网数据。

  慢性阻塞性肺病,即慢性阻塞性肺疾病,是一种进行性肺病,引起呼吸困难,常由香烟烟雾和空气污染引起。

  根据世界卫生组织的数据,预计到2030年,全世界将成为第三大死亡原因,其中90%发生在低收入和中等收入国家。

  美国疾病控制和预防中心报告称,到2020年,美国COPD患者的预期医疗费用将超过900亿美元,这主要是由于并发症和多次住院治疗,其中许多可通过更好的医疗保健来预防管理和更个性化和频繁的患者支持。

管理COPD的技术

   COPD的管理和预防是今天在中国大连举行的第19届IEEE Healthcom会议上提出的一项新研究项目的重点。苏黎世的IBM研究人员正在与瑞士初创公司docdok.health合作,开发一套传感器和机器学习技术,旨在改善COPD患者的生活质量,促进患者与医生之间的沟通,同时减轻医疗系统的财务负担。

  “由于大多数慢性病在医院外进展,我们需要一种安全的方式来监测患者出院时的情况,”docdok.health首席执行官Ulrich Muehlner博士说。 “在这个项目中,我们证明了移动健康技术不仅可以提供规模和低成本的频繁患者支持,而且还可以提供专门针对患者个体需求的医疗保健。”

  临床试验预计将于2018年初在苏黎世大学医院开始,最初将涉及多达100名身穿物联网(IoT)设备的参与者,这些设备将记录他们的症状和生命体征,如咳嗽强度,痰(丹参和粘液)颜色,肺功能,呼吸率和心率,血氧饱和度,以及它们的活动。可穿戴设备由Biovotion,Foobot和Nuvoair提供。

   COPD患者应用程序,描述患者与医生疾病相关的沟通(由docdok.health有限公司提供)

试验后分析

  试验结束后,docdok.health将使用IBM科学家开发的机器学习算法分析多传感器数据,以获得相关性和模式。将来,从这些模式中得出的算法可用于识别疾病的状态和进展,并预测急性事件,称为恶化,患者几乎窒息并需要重新住院治疗。未来的应用还可以允许通过docdok.health通信平台与治疗医生共享预测,然后治疗医生可以以患者特定的方式进行干预并改变患者的药物,以降低再次发生此类急性事件的风险。

  “由于医生在人口老龄化中面临日益严重的慢性疾病,我们希望挑战传统的医生办公室访问,并通过提供易于使用的技术来鼓励自我护理。我们必须能够在患者临床失代偿并出现在急诊室之前检测出急性前病症,“苏黎世大学医院肺科主任医师Christian Clarenbach博士说。 (对试验感兴趣的瑞士患者应与Clarenbach博士联系)

指导

  根据同行评审期刊BMC肺科医学,非活动性COPD患者的急性发作,住院和死亡风险增加。为了激励患者变得更加活跃,docdok.health通信平台可以扩展到包括提醒消息,信息材料和活动分数,以与患者和医生共享。活动目标也可以根据患者的个人状况进行个性化,包括生理,心理和社会条件,如朋友和家人的支持。

  “我们相信,机器学习算法有朝一日可以帮助医生和患者预测和预防疾病的恶化,并提供个性化的虚拟辅导,以提高药物依从性和活动水平,”IBM研究员Thomas Brunschwiler表示。科学家和项目负责人。 “如果虚拟教练可以激励患者更积极,那么不仅可以提高他们的生活质量,还可以减轻医疗保健系统的成本负担,而医疗系统越来越不堪重负。”

  由空气污染引起的肺部疾病是一个大问题 - 这就是#IBM如何解决ithttps ://t.co/aSkwQKDWja

  —判决书(@VerdictUK)2017年10月12日

  

  保存

  保存

  保存

使用物联网和机器学习来跟踪肺病的进展所属专题:机器学习 《使用物联网和机器学习来跟踪肺病的进展》链接:http://www.zhouchuanxiong.net/830

使用物联网和机器学习来跟踪肺病的进展相关文章

  • IBM科学家证明使用GPU可以将大规模机器学习速度提高10倍
  • 分布式深度学习培训控制提供10倍的性能提升
  • ROMEO寻求通过机器学习和边缘物联网改善风电场
  • 从研究论文中自动生成深度学习模型的代码
  • 攻丝机学习促进更多地利用仿生学进行创新
  • 深度学习培训时间显着减少
  • IBM Research的深度学习进展
  • IBM利用POWER9和NVIDIA GPU设置万亿级机器学习基准记录; PowerAI即将推出
  • 一种用于大规模图的可扩展深度学习方法
  • 在强化学习中发现特征选择的新算法
  • 加速机器学习算法的培训
  • 使用深度学习生成餐厅评论
  • 使用OpenCV和深度学习在视频中跟踪对象
  • 开发一个使用机器学习的基于Web的移动健康应用程序
  • 在Kubernetes上部署和使用多框架深度学习平台
  • 创建一个Web应用程序以与机器学习生成的图像标题进行交互
  • 创建一个Web应用程序,以便与使用机器学习检测到的对象进
  • 机器学习模型的性能评估
  • 构建机器学习推荐引擎,以鼓励基于过去购买行为的额外购买
  • 使用内部部署数据训练基于云的机器学习模型
  • 使用Watson Machine Learning和IBM Db2 Warehouse on Cloud持续学习
  • 部署深度学习驱动的“魔术裁剪工具”
  • 使用机器学习预测心脏病
  • 使用Watson OpenScale监控自定义机器学习引擎
  • 使用Watson OpenScale监控Sagemaker机器学习
  • 使用机器学习和高级分析分析物联网传感器数据
  • 使用Watson OpenScale监控Azure机器学习
  • 从计算机中学习大脑,反之亦然
  • 机器学习分支出来
  • 更好的机器学习