[論文レビュー] Body Sensor Network: A Self-Adaptive System Exemplar in the Healthcare Domain

Eric Bernd Gil, Ricardo Caldas+4 more|arXiv (Cornell University)|Mar 27, 2021

Wireless Body Area Networks参考文献 23被引用数 15

ひとこと要約

本論文では、動的かつ不確実な環境下でも90%の目標信頼性を維持しながらエネルギー消費を管理する制御理論的原則を用いた自己適応型ボディセンサーネットワーク（SA-BSN）の実例を提示する。ROSに実装され、センサ障害をシミュレートするためにノイズを注入し、定常誤差（8.84%）、オーバーシュート（12.25%）、安定化時間（339秒）といった制御指標を用いて適応性を評価することで、予測不可能な条件下でもリアルタイムの患者モニタリングにおいて堅牢性を示した。

ABSTRACT

Recent worldwide events shed light on the need of human-centered systems engineering in the healthcare domain. These systems must be prepared to evolve quickly but safely, according to unpredicted environments and ever-changing pathogens that spread ruthlessly. Such scenarios suffocate hospitals' infrastructure and disable healthcare systems that are not prepared to deal with unpredicted environments without costly re-engineering. In the face of these challenges, we offer the SA-BSN -- Self-Adaptive Body Sensor Network -- prototype to explore the rather dynamic patient's health status monitoring. The exemplar is focused on self-adaptation and comes with scenarios that hinder an interplay between system reliability and battery consumption that is available after each execution. Also, we provide: (i) a noise injection mechanism, (ii) file-based patient profiles' configuration, (iii) six healthcare sensor simulations, and (iv) an extensible/reusable controller implementation for self-adaptation. The artifact is implemented in ROS (Robot Operating System), which embraces principles such as ease of use and relies on an active open source community support.

研究の動機と目的

• 動的で安全が重要な医療環境におけるシステムの信頼性とエネルギー効率の維持という課題に対処すること。
• 制御理論的原則を用いて、自己適応型サイバーフィジカルシステムの再利用可能で拡張可能な実例を提供すること。
• 研究者が現実的で設定可能なシミュレーション環境において、不確実性の注入、適応ポリシー、QoS指標の評価を実験できるようにすること。
• リアルタイムの摂動下における信頼性、コスト、一時的挙動といった自己適応システムの特性を評価することを支援すること。
• 既存の文献におけるギャップを埋めるために、制御理論に基づくオープンソースの実例を提供し、医療分野における適応型ボディセンサーネットワークを実現すること。

提案手法

• SA-BSNはROSに実装され、6つのセンサ（ECG、SpO2、TEMP、ABP、グルコース）を備えた管理対象システムと、中央ハブおよび制御装置を備えた管理システムを用いて適応を実現する。
• 比例制御器を用い、周波数と比例ゲイン（Kp）を設定可能なパrameterとして、リアルタイムのQoSフィードバックに応じてセンサのサンプリングレートを調整する。
• 不確実性の注入は、振幅、周波数、オフセット、継続時間が定義された、ステップ、ラムプ、ランダムの3種類の可変ノイズ信号をセンサに注入することで実現する。
• 患者プロファイルはファイルベースの入力により設定され、異なる健康状態やセンサ挙動の動的シミュレーションが可能となる。
• 適応は、QoS指標（信頼性、コスト）を監視し、ユーザーが定義したセットポイントを満たすためにシステムパrameterを調整する戦略実行モジュールによって駆動される。
• 適応の性能は、定常誤差（SSE）、オーバーシュート、安定化時間といった制御理論的指標を用いて評価される。

実験結果

リサーチクエスチョン

• RQ1 自己適応型ボディセンサーネットワークは、動的不確実性下でも、エネルギー消費を最小限に抑えながら、目標信頼性を維持できるか？
• RQ2 通信遅延やセンサ故障を模倣するノイズの注入が、システムの信頼性および適応性能に与える影響は何か？
• RQ3 制御理論に基づく手法は、環境的およびシステムレベルの摂動が変動する条件下でも、所望のQoSセットポイント（例：90%の信頼性）を達成するためにどの程度有効であるか？
• RQ4 SA-BSNの実例は、医療サイバーフィジカルシステムにおける自己適応システム行動の再現可能評価をどの程度サポートできるか？
• RQ5 リアルタイムのモニタリング環境下で、さまざまな不確実性シナリオにおいて、一時的適応指標（オーバーシュート、安定化時間）はどのように変化するか？

主な発見

• 90%の信頼性を目標とした際、SA-BSNは定常誤差（SSE）が8.84%を示し、セットポイントから8.84パーセンテージポイントのずれを示した。
• システムは収束値を12.25%上回るオーバーシュートを示し、目標信頼性を超える一時的応答を示した。
• 安定化時間は339秒であり、摂動発生後6分未満で適応プロセスが安定化したことを示した。
• 本アーティファクトは、通信チャネルのフラッディングを模擬した状況下でも、システムの信頼性を正常に維持できた。
• ノイズ注入と制御理論的指標の統合により、複数の不確実性クラスにわたる適応挙動の正確な定量的評価が可能になった。
• 本実例は、過去の研究において再利用可能で拡張可能であることが実証され、実世界の医療シナリオにおける自己適応システム特性の評価を支援した。