[논문 리뷰] Cybernetic Health

Nitish Nag, Vaibhav Pandey외 2명|arXiv (Cornell University)|2017. 05. 21.

Mental Health Research Topics참고 문헌 67인용 수 4

한 줄 요약

이 논문은 실시간 데이터 스트림, 개인 맞춤형 예측 모델, 설득 기반 기술을 통합하여 사전적이고 개인화된 건강 간병을 가능하게 하는 사이버네틱 헬스 프레임워크를 제안한다. 이벤트 기반 의미 추상화와 지속적 감지를 활용함으로써, 생활 방식 및 환경 데이터를 실행 가능한 맞춤형 건강 권고로 전환하며, 폐쇄형 의사결정을 통해 예방의학을 발전시킨다.

ABSTRACT

Future health ecosystems demand the integration of emerging data technology with an increased focus on preventive medicine. Cybernetics extracts the full potential of data to serve the spectrum of health care, from acute to chronic problems. Building actionable cybernetic navigation tools can greatly empower optimal health decisions, especially by quantifying lifestyle and environmental data. This data to decisions transformation is powered by intuitive event analysis to offer the best semantic abstraction of dynamic living systems. Achieving the goal of preventive health systems in the cybernetic model occurs through the flow of several components. From personalized models we can predict health status using perpetual sensing and data streams. Given these predictions, we give precise recommendations to best suit the prediction for that individual. To enact these recommendations we use persuasive technology in order to deliver and execute targeted interventions.

연구 동기 및 목표

• 건강 문제가 나타나기 전에 건강 위험을 예측할 수 있는 데이터 기반 시스템을 활용하여 증가하는 예방의료의 필요를 해결하기 위해.
• 현재 건강 시스템의 한계를 극복하기 위해 데이터 수집, 예측, 대상 간병을 연결하는 폐쇄형 모델을 구축하기 위해.
• 복잡한 생활 방식 및 환경 데이터를 의미 있는 개인 맞춤형 건강 결정으로 번역하는 사이버네틱 내비게이션 도구를 개발하기 위해.
• 개인 맞춤형 건강 권고 이행을 보장하는 설득 기반 기술을 통해 환자 참여를 향상시키기 위해.
• 급성 및 만성 건강 관리를 모두 지원하는 확장 가능한 동적 모델을 마련하기 위해.

제안 방법

• 지속적인 감지와 실시간 데이터 스트림을 활용해 동적인 생활 시스템을 실시간으로 모니터링한다.
• 직관적인 이벤트 분석을 통해 건강 관련 데이터 패턴의 의미 추상화를 생성한다.
• 통합된 생활 방식 및 환경 입력을 기반으로 개인의 건강 상태를 예측하는 개인 맞춤형 건강 모델을 구축한다.
• 데이터에서 의사결정으로의 변환을 통해 예측 결과를 정밀하고 개인 맞춤형 건강 권고로 변환한다.
• 예측된 결과와 일치하는 행동 간병을 효과적으로 제공하고 실행하기 위해 설득 기반 기술을 적용한다.
• 간병의 피드백이 향후 예측과 권고에 영향을 주는 폐쇄형 시스템을 구축한다.

실험 결과

연구 질문

• RQ1 생활 방식 및 환경에서 유래하는 실시간 데이터 스트림을 의미 있는 건강 통찰으로 효과적으로 추상화할 수 있는가?
• RQ2 의미 기반 이벤트 분석이 개인 건강 상태의 정확하고 동적 모델링을 어떻게 지원하는가?
• RQ3 개인 맞춤형 예측 모델은 예방의료에서 건강 상태 예측 정확도를 어떻게 향상시킬 수 있는가?
• RQ4 설득 기반 기술은 개인 맞춤형 건강 권고 이행을 어떻게 향상시킬 수 있는가?
• RQ5 사이버네틱 프레임워크는 데이터, 예측, 간병을 통합하여 통합적이고 실행 가능한 건강 시스템으로서 어떻게 작동하는가?

주요 결과

• 사이버네틱 모델은 지속적인 감지와 실시간 데이터 스트림을 통해 지속적이고 데이터 기반의 건강 모니터링을 가능하게 한다.
• 직관적인 이벤트 분석은 복잡하고 동적인 건강 데이터를 임상적 해석에 적합한 의미 기반 표현으로 성공적으로 추상화한다.
• 개인 맞춤형 예측 모델은 개인화된 생활 방식 및 환경 요소를 통합함으로써 건강 상태 예측 정확도를 크게 향상시킨다.
• 예측에서 유도된 실행 가능한 권고는 설득 기반 기술을 통해 효과적으로 제공되고 이행되어 행동 변화를 지원할 수 있다.
• 데이터, 예측, 간병을 폐쇄형 시스템으로 통합함으로써 확장 가능한 예방의료 생태계를 위한 실현 가능한 길을 입증한다.
• 개인의 건강 궤적에 따라 유연하게 적응함으로써 이 프레임워크는 급성 및 만성 건강 관리 모두를 지원한다.