[논문 리뷰] Visualization and Analysis of Wearable Health Data From COVID-19 Patients

Susanne K. Suter, Georg Spinner외 5명|arXiv (Cornell University)|2022. 01. 19.

COVID-19 diagnosis using AI인용 수 3

한 줄 요약

이 연구는 84명의 입원 중인 코로나19 환자로부터의 실시간 웨어러블 생체신호를 분석하여 의학적으로 유의미한 건강 패턴을 탐지하고 공유하기 위해 맞춤형 히트맵과 이중 방향 막대 그래프를 활용한 시각화 파이프라인을 제안한다. 이 방법은 추세, 극단적 값, 생리적 변화(예: 스트레스 발작 및 회복 단계)를 효과적으로 부각시켜, 데이터 품질 문제에도 불구하고 임상 종사자가 환자를 원격으로 보다 효율적이고 정확하게 모니터링할 수 있도록 한다.

ABSTRACT

Effective visualizations were evaluated to reveal relevant health patterns from multi-sensor real-time wearable devices that recorded vital signs from patients admitted to hospital with COVID-19. Furthermore, specific challenges associated with wearable health data visualizations, such as fluctuating data quality resulting from compliance problems, time needed to charge the device and technical problems are described. As a primary use case, we examined the detection and communication of relevant health patterns visible in the vital signs acquired by the technology. Customized heat maps and bar charts were used to specifically highlight medically relevant patterns in vital signs. A survey of two medical doctors, one clinical project manager and seven health data science researchers was conducted to evaluate the visualization methods. From a dataset of 84 hospitalized COVID-19 patients, we extracted one typical COVID-19 patient history and based on the visualizations showcased the health history of two noteworthy patients. The visualizations were shown to be effective, simple and intuitive in deducing the health status of patients. For clinical staff who are time-constrained and responsible for numerous patients, such visualization methods can be an effective tool to enable continuous acquisition and monitoring of patients' health statuses even remotely.

연구 동기 및 목표

• 입원 중인 코로나19 환자로부터 유입되는 고용량의 실시간 웨어러블 건강 데이터를 해석하는 데 도전하는 것.
• 비정상적이거나 주목할 만한 생리적 패턴을 신속하고 직관적으로 탐지할 수 있도록 임상 의사결정을 향상시키는 것.
• 웨어러블 모니터링에서 발생하는 데이터 품질 문제(예: 누락 데이터, 기기 충전 중단, 센서 정확도 저하 등)를 극복하는 것.
• 효과적이고 해석 가능한 시각화를 통해 임상 종사자와 데이터 과학자 간의 소통을 촉진하는 것.
• 코로나19를 초월한 다른 임상 용도에 적용 가능한 확장성 있고 재사용 가능한 시각화 프레임워크를 개발하는 것.

제안 방법

• 24시간 주기 동안 생체신호(예: 심박수, 호흡수, SpO2)의 시간적 패턴을 시각화하기 위해 맞춤형 히트맵을 활용하였다.
• 이중 방향 막대 그래프를 사용하여 고가치 및 저가치 값을 모두 경고로 표현함으로써 비정상적이거나 반복적인 패턴을 탐지할 수 있도록 하였다.
• 특정 생체신호에 집중하기 위해 데이터 밀도를 줄이고 시각적 명확성을 향상시키기 위해 시간적 집계를 적용하였다.
• 제조사가 제공한 품질 추정치 또는 계산된 지표를 사용하여 원시 신호를 정제하기 위해 데이터 품질 필터링을 구현하였다.
• 순환 리듬과 데이터 갭을 식별하는 데 도움이 되도록 자정선과 시간축 레이블 등의 시각적 주석을 통합하였다.
• 시각화 디자인의 반복적 개선과 사용성 향상을 위해 임상의와 데이터 과학자들을 대상으로 설문 조사를 실시하였다.

실험 결과

연구 질문

• RQ1 입원 중인 코로나19 환자로부터의 웨어러블 생체신호 데이터는 어떻게 시각화하여 의학적으로 유의미한 건강 패턴을 효과적으로 드러낼 수 있는가?
• RQ2 어떤 시각화 기법이 임상 종사자가 실시간으로 스트레스 발작이나 회복 단계와 같은 중요한 변화를 탐지하는 데 가장 효과적인가?
• RQ3 누락된 데이터나 기기 충전 중단과 같은 데이터 품질 문제는 웨어러블 건강 시각화의 해석 가능성에 어떤 영향을 미치는가?
• RQ4 맞춤형 히트맵과 이중 방향 막대 그래프는 환자의 건강 궤적에서 추세, 극단적 값, 비정상적인 패턴 탐지에 얼마나 기여하는가?
• RQ5 제안된 시각화 파이프라인은 급성 코로나19 치료를 초월한 다른 임상 모니터링 시나리오로 일반화될 수 있는가?

주요 결과

• 맞춤형 히트맵은 스트레스 발작과 생리적 변화를 탐지하는 데 특히 효과적이었으며, 극단적 값과 시간적 추세를 식별하는 데 뛰어난 성능을 보였다.
• 이중 방향 막대 그래프는 환자의 건강 상태 변화에 따라 반복적, 변화적, 비정상적인 패턴을 인식하는 데 특히 유용한 것으로 입증되었다.
• 최종 시각화 레이아웃은 시간적 집계와 품질 필터링을 통해 데이터 과부하를 줄여 해석 가능성에 상당한 기여를 하였다.
• 자정선과 시간축 레이블 등의 주석은 순환 리듬과 데이터 갭을 신속하게 식별하는 데 기여하였다.
• 설문 조사 결과, 히트맵은 강력한 도구로 평가되었지만, 너무 복잡하게 느껴져 임상의의 훈련이 신규 시각화 도구 사용에 필요하다는 점이 드러났다.
• 이 방법은 항생제 치료 이후 명확한 회복 궤적을 보인 환자 3명의 대표적 병력 탐지에 성공적으로 활용되었다.