Bærbare enheder kan diagnosticere sygdom, efterhånden som den opstår

Bærbare medicinske sensorer, der bruges i vid udstrækning på hospitaler og klinikker, breder sig ind i mainstream, efterhånden som teknologivirksomheder i stigende grad inkorporerer dem i populær elektronik, fra Apples smarture til Fitbit fitnessbånd.

Princeton-ingeniører arbejder på at tage disse sensorteknologier et skridt videre ved at udvikle software, der en dag kan bruge flere sundhedsmæssige spor fra bærbare sensorer til at diagnosticere utallige sygdomme i realtid. Når det er fuldt udviklet, systemet vil advare en patient, der udvikler diabetes, for eksempel.

I et papir i journalen IEEE-transaktioner på multi-Scale Computing Systems , forskere ledet af Niraj Jha rapporterede, at deres system, Hierarchical Health Decision Support System (HDSS), brugt biomedicinske data til succesfuldt at opdage fem sygdomme i simuleringer skabt ud fra en sammenlægning af patientdata. Papiret, offentliggjort i tidsskriftets okt.-dec. problem, anfører, at systemet diagnosticerede type 2-diabetes med 78 procent nøjagtighed, arytmi med 86 procent nøjagtighed, urinblærelidelse med 99 procents nøjagtighed, hypothyreoidea med 95 procents nøjagtighed og nyrebækkennefrit med 94 procents nøjagtighed.

HDSS brugt offentligt tilgængelig, anonymiserede biomedicinske data fra hundredvis af patienter og fodrede dem gennem otte maskinlæringsalgoritmer, som var blevet trænet af forskerne til at genkende typiske tegn på disse sygdomme. Dataene består af fysiologiske målinger indsamlet af kommercielt tilgængelige medicinske sensorer, der er indlejret i små elektroniske enheder knyttet til hospitalspatienter. Læger bruger dem til at spore ting som blodtryk og galvanisk hudrespons (GSR), som måler fugt i huden for at identificere stress.

Det nye system går ud over disse individuelle datapunkter ved at sammenligne dem med offentligt tilgængelige data om sygdomssymptomer. Dette gør det muligt for softwaren at opdage tegn på problemer, som patienterne ikke er opmærksomme på, eller symptomer, som de undlader at afsløre for deres læger.

"Dette åbner mulighed for for første gang, at uden for en klinik, individer kan overvåge, om de har udviklet eller kan udvikle en sygdom, " sagde Jha, professor i elektroteknik, der udviklede den nye teknologi med Hongxu Yin, en elektroingeniør Ph.D. studerende.

Forfatterne bemærker, at der allerede udføres betydelig forskning for at integrere patientinformation og diagnostiske programmer, der bruges på hospitaler og klinikker. Men i stedet for at fokusere på indlæggelsesbehandling, Jhas team arbejder på at anvende data fra bærbare sensorer beregnet til daglig brug såsom ure eller armbånd. Tilgangen ville give læger symptomatisk information, som patienterne måske har glemt eller ikke har bemærket, og vil også give mulighed for at overvåge patienter efter en diagnose.

"Dette peger på behovet for pålidelige, præcis og intelligent beslutningsstøtte uden for klinikken, " skrev forskerne.

Forskerne sagde, at det ultimative mål er både at øge effektiviteten i sundhedsvæsenet og at give mulighed for tidligere diagnoser og bedre patientresultater. Yin sagde, at forskerne til sidst gerne ville udvide den type data, der er tilgængelige til brug i diagnoser, såsom patientjournaler eller genetiske oplysninger.

Systemet er afhængigt af sygdomsmoduler, som indeholder maskinlæringsmodeller baseret på forskellige funktioner forbundet med sygdomme. Indtil nu, Jha og Yin har udviklet fem moduler, men forskerne bemærkede, at der er mere end 69, 000 menneskelige sygdomme klassificeret af Verdenssundhedsorganisationen. På den positive side, forskerne vurderede, at den nødvendige information til at diagnosticere alle disse sygdomme ville bruge omkring 62 gigabyte lagerplads, hvilket er inden for grænserne af en cloud-baseret applikation.

En udfordring for ethvert fremtidigt system baseret på bærbare sensorer vil være datasikkerhed, sagde Yin. Overførsel af fortrolige sundhedsdata giver anledning til sikkerhedsproblemer, og forskerne mener, at en løsning ville være at udføre analyse på en personlig enhed. Enheden vil derefter sende diagnoser til læger, der overvåger en patient, i stedet for alle de rå data.

Som et næste skridt, forskerne og kollegerne ved Carrier Health Clinic har foreslået et klinisk forsøg for at teste effektiviteten af ​​HDSS-teknologi på patienter med skizofreni, maniodepressiv, og andre sygdomme. Transportør, is a non-profit behavioral health clinic in Belle Mead New Jersey.

Andrew Walsh, the clinical trial coordinator at Carrier, said the new system could particularly benefit patients who have difficulty in understanding their symptoms or conveying them to their doctors.

"The application of this is amazing for the behavioral health field because it gives us … insight on a level that we've never been able to achieve, " han sagde.