[論文レビュー] Anticipatory Mobile Digital Health: Towards Personalised Proactive Therapies and Prevention Strategies

Veljko Pejović, Abhinav Mehrotra+1 more|arXiv (Cornell University)|Aug 15, 2015

Mobile Health and mHealth Applications参考文献 25被引用数 7

ひとこと要約

本論文は、モバイル機器およびウェアラブルセンサー、機械学習、リアルタイムの文脈認識を活用して、健康問題が発生する前に対応する、パーソナライズ型で予防的な医療の枠組み「アンチシペタリー・モバイル・デジタルヘルス」を提案する。個々の行動、生理的、遺伝的データを統合することで、タイムリーかつ適応的な介入が可能となり、継続的かつ非侵襲的なモニタリングと予測モデリングを通じて、精密医療の前進が図られる。

ABSTRACT

The last two centuries saw groundbreaking advances in the field of healthcare: from the invention of the vaccine to organ transplant, and eradication of numerous deadly diseases. Yet, these breakthroughs have only illuminated the role that individual traits and behaviours play in the health state of a person. Continuous patient monitoring and individually-tailored therapies can help in early detection and efficient tackling of health issues. However, even the most developed nations cannot afford proactive personalised healthcare at scale. Mobile computing devices, nowadays equipped with an array of sensors, high-performance computing power, and carried by their owners at all time, promise to revolutionise modern healthcare. These devices can enable continuous patient monitoring, and, with the help of machine learning, can build predictive models of patient's health and behaviour. Finally, through their close integration with a user's lifestyle mobiles can be used to deliver personalised proactive therapies. In this article, we develop the concept of anticipatory mobile-based healthcare - anticipatory mobile digital health - and examine the opportunities and challenges associated with its practical realisation.

研究の動機と目的

• 健康リスクが現れる前に対応できる、モバイルおよびウェアラブルセンサーを活用した予防的でパーソナライズ型の医療フレームワークの構築を目的とする。
• 普遍的なモバイルデバイスを活用することで、現在の予防的医療モデルにおけるスケーラビリティとコストの障壁を克服することを目的とする。
• 継続的モニタリングと個々の健康状態の予測モデリングを通じて、早期の検出と介入を可能にすることを目的とする。
• 遺伝的データと行動パターンを予測モデルに統合し、パーソナライズ性を高めることを目的とする。
• 自律的で予測型の健康システムを展開する際の、倫理的課題、プライバシー懸念、人間-コンピュータインタラクションの課題を検討することを目的とする。

提案手法

• GPS、加速度計、心拍数、GSR などのモバイルおよびウェアラブルセンサーを活用し、リアルタイムの生理的および行動的データを収集する。
• 履歴データおよびリアルタイムのセンサー情報とユーザーの文脈に基づいて、将来の健康状態を予測する機械学習モデルを採用する。
• 介入の影響を個々のユーザーに応じて評価するための予測モデリングを適用し、パーソナライズされた治療法の最適化を可能にする。
• ユーザーの文脈（例：位置、活動状況、関与度）を活用して、健康介入を配信する最適なタイミングを特定する。
• ユーザーの中断可能性のモデルを構築し、不快感を最小限に抑えつつ、介入の効果を最大化するための適切なタイミングでメッセージを配信する。
• 特に感受性の高い健康情報に対して、漏洩リスクを低減するため、デバイス内でのデータ処理を検討する。

実験結果

リサーチクエスチョン

• RQ1 多様なセンサーを搭載したモバイルおよびウェアラブルデバイスを活用することで、高い精度で個々の将来の健康状態を予測することは可能か？
• RQ2 パーソナライズされた文脈において、健康結果および介入の影響を効果的に予測するための機械学習手法は何か？
• RQ3 リアルタイムのユーザーの文脈に基づいて、遵守率と効果性を最大化するための最適なタイミングで介入を実施する方法は何か？
• RQ4 自律的で予測型の健康システムを展開するにあたり、どのような倫理的および責任の所在に関する課題が生じるか？
• RQ5 遺伝的データと行動パターンを予測モデルに統合することで、パーソナライズ性と治療的成果をどのように向上できるか？

主な発見

• 多様なセンサーを搭載したモバイルおよびウェアラブルデバイスは、健康状態に関連する生理的および行動的指標を継続的かつ非侵襲的にモニタリング可能である。
• センサー情報に基づいて学習された機械学習モデルは、将来的な健康状態、特に精神的健康問題や身体的疾患を、精度を高めて予測できる。
• 文脈に応じたセンシングを活用することで、ユーザーの中断可能性に関する予測モデルを構築でき、デジタルヘルス介入のタイミングと効果を向上させられる。
• プライバシーリスクや明確でない責任の所在といった倫理的課題は、予防的健康システムの展開における主要な障壁である。
• 遺伝的データと行動パターンを予測モデルに統合することで、新たな治療的知見の発見やパーソナライズ性の向上が期待できる。
• アンチシペタリー・モバイル・デジタルヘルスは、早期のパーソナライズ型予防戦略を可能にすることで、医療コストの削減と治療成績の向上が見込まれる。