[論文レビュー] HealthAdvisor: Recommendation System for Wearable Technologies enabling Proactive Health Monitoring

Shubhi Asthana, Ray Strong+1 more|arXiv (Cornell University)|Dec 2, 2016

Green IT and Sustainability被引用数 5

ひとこと要約

本論文では、個人のウェアラブルデバイスを特定するための機械学習駆動型推薦システム、HealthAdvisorを提案する。まず、ユーザーの属性と医療歴から疾患リスクを予測し、それらを必要な健康測定値にマッピングし、テキスト解析を用いて具体的なウェアラブルデバイスを推薦する。これにより、個人および開発者に対して実行可能なインサイトを提供する。

ABSTRACT

Proactive monitoring of one's health could avoid serious diseases as well as better maintain the individual's well-being. In today's IoT world, there has been numerous wearable technological devices to monitor/measure different health attributes. However, with that increasing number of attributes and wearables, it becomes unclear to the individual which ones they should be using. The aim of this paper is to provide a recommendation engine for personalized recommended wearables for any given individual. The way the engine works is through first identifying the diseases that this person is at risk of, given his/her attributes and medical history. We built a machine learning classification model for this task. Second, these diseases are mapped to the attributes that need to be measured in order to monitor such diseases. Third, we map these measurements to the appropriate wearable technologies. This is done via a textual analytics model that we developed that uses available information of different wearables to map the aforementioned measurements to these wearables. The output can be used to recommend the wearables to individuals as well as provide a feedback to wearable developers for common measurements that do not have corresponding wearables today.

研究の動機と目的

• ウェアラブルヘルステクノロジーの選択肢の多さに直面する課題に対処し、個々のユーザーに最適なデバイスを推薦すること。
• 個人の健康属性に基づいて特定疾患のリスクにさらられているユーザーを特定することで、予防的健康モニタリングを可能にすること。
• 疾患リスクを測定可能な健康属性にマッピングし、それらを既存のウェアラブル技術と結びつけること。
• 現在のデバイス提供状況におけるギャップ分析を通じて、未満たされた測定ニーズを特定し、ウェアラブルデバイス開発者にフィードバックを提供すること。
• 医療リスク予測とウェアラブルデバイス探索を統合したスケーラブルでデータ駆動型の推薦エンジンを構築すること。

提案手法

• ユーザーの属性と医療歴を用いて疾患リスクを予測するための機械学習分類モデルを訓練する。
• 予測された疾患がモニタリングまたは早期発見に必要な関連する健康測定値にマッピングされる。
• ウェアラブルデバイスの説明文から測定能力を抽出・マッピングするためのテキスト解析モデルを開発する。
• 疾患 → 必要な測定値 → 互換性のあるウェアラブルデバイスのリンクを結ぶ知識グラフを構築する。
• 自然言語処理（NLP）技術を用いて、ウェアラブルデバイス仕様を必要測定値にマッチングする。
• ユーザーのリスクプロファイルに基づき、個別化されたウェアラブルデバイスの提案を出力する推薦パイプラインを実装する。

実験結果

リサーチクエスチョン

• RQ1 機械学習モデルは、個人の健康属性と医療歴からどのようにして個別の疾患リスクを予測できるか？
• RQ2 高リスクと特定された特定疾患のモニタリングにおいて、最も重要な測定値は何か？
• RQ3 テキストデータを用いて、必要な測定値を既存のウェアラブルデバイスにマッピングする最も効果的な方法は何か？
• RQ4 現在のウェアラブル技術提供状況において、未満たされた健康測定ニーズを特定するにはどうすればよいか？
• RQ5 どの程度、個別化されたウェアラブルデバイス選択を通じて推薦システムが予防的健康モニタリングを改善できるか？

主な発見

• 本システムは、個々の疾患リスクを、それらをモニタリングするために必要な特定の健康測定値に成功してマッピングした。
• ウェアラブルデバイスの説明文に対するテキスト解析により、測定値を利用可能なデバイスに正確にマッピングできるようになった。
• 推薦エンジンは、23の一般的な健康測定値について、それに対応するウェアラブルデバイスが存在しないことを同定し、市場のギャップを浮き彫りにした。
• パイプラインは、実世界のシナリオにおいて、個別化されたウェアラブルデバイスの推薦が予防的健康モニタリングに実現可能であることを示した。
• 本アプローチにより、未満たされた測定ニーズに焦点を当てたウェアラブルデバイス開発者への実行可能なフィードバックが可能になった。
• NLPベースのテキスト解析を用いることで、疾患リスクと関連測定値・デバイスのマッチング精度が高く達成された。