[논문 리뷰] Health State Estimation

Nitish Nag|arXiv (Cornell University)|2020. 03. 16.

Health, Environment, Cognitive Aging참고 문헌 179인용 수 5

한 줄 요약

이 논문은 GPS, 웨어러블 센서, 소셜 미디어, 검색 트렌드를 포함한 다양한 데이터 소스를 통합하여 개인의 건강 상태를 지속적으로 평가하고 안내하는 내비게이션 기반의 다중 모odal 건강 상태 추정 프레임워크를 제안한다. 교차 모달 학습과 맥락 인식 모델링을 활용함으로써 실시간으로 개인화된 건강 권고를 가능하게 하여, 다학문적 미디어 및 헬스 인포매틱스 접근 방식을 통해 사전 예방적 건강 관리의 수준을 향상시킨다.

ABSTRACT

Life's most valuable asset is health. Continuously understanding the state of our health and modeling how it evolves is essential if we wish to improve it. Given the opportunity that people live with more data about their life today than any other time in history, the challenge rests in interweaving this data with the growing body of knowledge to compute and model the health state of an individual continually. This dissertation presents an approach to build a personal model and dynamically estimate the health state of an individual by fusing multi-modal data and domain knowledge. The system is stitched together from four essential abstraction elements: 1. the events in our life, 2. the layers of our biological systems (from molecular to an organism), 3. the functional utilities that arise from biological underpinnings, and 4. how we interact with these utilities in the reality of daily life. Connecting these four elements via graph network blocks forms the backbone by which we instantiate a digital twin of an individual. Edges and nodes in this graph structure are then regularly updated with learning techniques as data is continuously digested. Experiments demonstrate the use of dense and heterogeneous real-world data from a variety of personal and environmental sensors to monitor individual cardiovascular health state. State estimation and individual modeling is the fundamental basis to depart from disease-oriented approaches to a total health continuum paradigm. Precision in predicting health requires understanding state trajectory. By encasing this estimation within a navigational approach, a systematic guidance framework can plan actions to transition a current state towards a desired one. This work concludes by presenting this framework of combining the health state and personal graph model to perpetually plan and assist us in living life towards our goals.

연구 동기 및 목표

• 이질적인 데이터 소스를 활용하여 실시간으로 건강 상태를 추정함으로써 지속적이고 개인화된 건강 모니터링의 부족을 해소한다.
• 기존의 치료 중심 모델이 사전 예방적 건강 관리가 아닌 반응적 치료에 집중하는 데서 비롯하는 한계를 극복한다.
• 다양한 미디어 및 퍼스널러블 컴퓨팅 기법을 통합하여 건강 향상의 내비게이션 패러다임을 창출한다.
• 내재적 및 외재적 동기 모델링과 행동 패턴을 분석하여 실질적인 맥락 인식 건강 권고를 가능하게 한다.
• FHIR와 같은 표준 및 안전한 데이터 처리 관행을 통해 건강 시스템 간의 상호운용성과 데이터 프라이버시를 향상시킨다.

제안 방법

• GPS, 웨어러블 센서, 소셜 미디어, 검색 엔진 트렌드에서 온 데이터를 융합하기 위해 교차 모달 학습을 활용하여 종합적인 건강 상태 추정을 수행한다.
• 자전거 GPS 로그 및 건강 기록과 같은 다양한 소스에서 온 지리공간적 및 시간적 데이터를 정렬하기 위해 이벤트 검색 및 동기화 기법을 활용한다.
• 실시간 건강 상태 평가 기반으로 사용자에게 실질적인 개인화된 안내를 제공하는 내비게이션 건강 인터페이스를 구현한다.
• 다중 모달 추천 시스템에서 건강 권고의 관련성과 이행률을 향상시키기 위해 내재적 및 외재적 동기 모델링을 적용한다.
• 상호운용성과 프라이버시를 확보하기 위해 FHIR 표준과 안전한 데이터 교환 프로토콜을 활용한다.
• 딥 러닝과 맥락 인식 모델링을 활용하여 이동 패턴, 식품 선호도, 검색 행동과 같은 간접적 신호에서 건강 상태를 추론한다.

실험 결과

연구 질문

• RQ1 GPS, 소셜 미디어, 센서 네트워크에서 온 이질적 실시간 데이터를 활용하여 건강 상태를 어떻게 지속적으로 추정할 수 있는가?
• RQ2 내재적 및 외재적 동기가 효과적인 개인화된 건강 권고를 형성하는 데 어떤 역할을 하는가?
• RQ3 교차 모달 데이터 융합은 단일 소스 모니터링을 초월하여 건강 상태 추정의 정확성과 신뢰도를 어떻게 향상시킬 수 있는가?
• RQ4 내비게이션 기반 건강 인터페이스는 사용자 참여도와 장기적인 건강 결과를 어떻게 향상시킬 수 있는가?
• RQ5 다양한 소스에서 수집된 민감한 개인 건강 데이터를 집계하는 시스템에서 프라이버시, 보안, 상호운용성을 어떻게 확보할 수 있는가?

주요 결과

• 이 프레임워크는 자전거 GPS 활동 데이터를 환경적 및 행동적 데이터와 융합하여 표면 유형을 추정하고 건강 관련 이동 패턴을 유추하는 데 성공했다.
• 소셜 미디어, 검색 트렌드 및 센서 데이터를 활용한 교차 모달 건강 상태 추정은 국가 수준에서 건성 안구질환과 같은 상태의 지리공간적 맵핑을 가능하게 했다.
• 내재적 및 외재적 동기를 모두 모델링함으로써 시스템은 개인화 수준을 향상시켜 건강 권고의 관련성과 이행률을 높였다.
• 기기 및 플랫폼 간 지리공간적 및 시간적 데이터 동기화를 통해 고도의 맥락 정밀도를 확보한 실시간 건강 모니터링 및 이벤트 검색이 가능해졌다.
• FHIR 표준의 도입은 상호운용성을 향상시켜 다양한 전자 건강 기록 시스템 간 원활한 데이터 교환을 가능케 했다.
• 본 연구는 반응적 치료에서 벗어나 지속적이고 사전 예방적 건강 관리로의 초점을 이동시키는 내비게이션 기반 건강 패러다임의 기초를 마련했다.