[논문 리뷰] HealthAdvisor: Recommendation System for Wearable Technologies enabling Proactive Health Monitoring

Shubhi Asthana, Ray Strong외 1명|arXiv (Cornell University)|2016. 12. 02.

Green IT and Sustainability인용 수 5

한 줄 요약

이 논문은 개인화된 웨어러블 기기를 식별하여 사전적 건강 모니터링을 수행하는 기계학습 기반 추천 시스템인 HealthAdvisor를 제안한다. 먼저 사용자 특성과 의료력에서 질병 위험을 예측하고, 이를 필요한 건강 측정 항목으로 매핑한 후, 텍스트 분석을 활용해 구체적인 웨어러블 기기를 추천함으로써 개인과 개발자에게 실질적인 통찰을 제공한다.

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.

연구 동기 및 목표

• 사용자별 최적의 기기를 추천하여 웨어러블 건강 기술의 선택 과부하 문제를 해결한다.
• 개인 건강 특성에 기반해 특정 질병에 걸릴 위험이 있는 사용자를 식별함으로써 사전적 건강 모니터링을 가능하게 한다.
• 질병 위험을 측정 가능한 건강 특성으로 매핑하고 기존 웨어러블 기술과 연결한다.
• 현재 기기 제공 상황의 격차 분 析를 통해 웨어러블 기기 개발자에게 충족되지 않은 측정 요구사항에 대한 피드백을 제공한다.
• 의료 위험 예측과 웨어러블 기기 탐색을 통합한 확장성 있고 데이터 기반의 추천 엔진을 구축한다.

제안 방법

• 사용자 특성과 의료력 데이터를 활용해 질병 위험을 예측하기 위한 기계학습 분류 모델을 훈련한다.
• 예측된 질병을 모니터링 또는 조기 진단에 필요한 건강 측정 항목으로 매핑한다.
• 웨어러블 기기 설명에서 측정 기능을 추출하고 매핑하기 위한 텍스트 분석 모델을 개발한다.
• 질병 → 필요 측정 항목 → 호환 가능한 웨어러블 기기로 연결하는 지식 그래프를 구축한다.
• 자연어 처리(NLP) 기법을 활용해 웨어러블 기기 사양을 분석하고 필요 측정 항목과 매칭한다.
• 사용자 위험 프로필에 기반해 개인화된 웨어러블 기기 추천을 출력하는 추천 파이프라인을 구현한다.

실험 결과

연구 질문

• RQ1 기계학습 모델을 통해 개인 건강 특성과 의료력에서 개인의 질병 위험을 어떻게 예측할 수 있는가?
• RQ2 높은 위험으로 식별된 특정 질병을 모니터링하기 위해 가장 중요한 건강 측정 항목은 무엇인가?
• RQ3 텍스트 데이터를 활용해 필요한 건강 측정 항목을 기존 웨어러블 기기로 매핑하는 가장 효과적인 방법은 무엇인가?
• RQ4 현재 웨어러블 기기 기술 제공 상황에서 충족되지 않은 건강 측정 요구사항의 격차를 어떻게 식별할 수 있는가?
• RQ5 개인화된 웨어러블 선택을 통해 추천 시스템이 사전적 건강 모니터링을 얼마나 향상시킬 수 있는가?

주요 결과

• 시스템은 개인의 질병 위험을 특정 모니터링이 필요한 건강 측정 항목으로 성공적으로 매핑하였다.
• 웨어러블 기기 설명에 대한 텍스트 분석을 통해 측정 기능을 가용 기기와 정확하게 매핑할 수 있었다.
• 추천 엔진은 현재 기기 제공 상황에서 23개의 공통 건강 측정 항목이 해당 기기 없이 존재하는 것을 식별하여 시장 격차를 드러냈다.
• 파이프라인은 실제 시나리오에서 개인화된 웨어러블 기기 추천을 통한 사전적 건강 모니터링의 실현 가능성을 입증하였다.
• 이 방법은 웨어러블 기기 개발자가 충족되지 않은 측정 요구사항을 향해 목표를 설정할 수 있도록 실질적인 피드백을 제공한다.
• NLP 기반 텍스트 분석을 통해 질병 위험과 관련 측정 항목 및 기기 간의 매칭 정밀도가 높았다.