歐盟人口增長最快的國家之一是65歲及以上的人群，其中三分之二處於多發病狀態，即患有兩種或兩種以上慢性病的人。多發病的無效治療已被指出是醫學科學院在最近釋出的報告中要解決的一個緊迫問題。作為歐盟H2020資助專案ProACT的一部分，我們的IBM研究團隊- 愛爾蘭正在與學術界和工業界的合作伙伴合作，尋找使用物聯網，人工智慧和雲技術的新方法，以提升自我管理能力和基於家庭的綜合護理適用於多發病人（PwM）。

健康和以人為本的知識系統團隊圖為LR：Alessandra Pascale，Stephane Deparis，Pierpaolo Tommasi和Spyros Kotoulas

ProACT專案正在研究可穿戴裝置，家庭感測器和平板電腦應用可用於幫助多種疾病患者，以及他們的支援參與者，其中包括非正式護理人員（如家人和朋友），正式護理人員和健康專業人員（包括醫生和護士） ），管理包括慢性心力衰竭（CHF），糖尿病和慢性阻塞性肺病（COPD）在內的一系列疾病。

該專案包括愛爾蘭和比利時的概念驗證試驗，涉及國家衛生服務，許多患者配備了可穿戴和家庭感測器及其支援參與者。審判現在開始了。患者正在學習使用ProACT CareApp，它彙總了感測器讀數，並允許PwM及其支持者監控他們的狀態，並建議根據自我管理需求量身定製的教育視訊和教程。ProACT CareApp的UI與PwMs的共同設計共同設計，以確保易用性。我們研究的主要目標是利用所收集的資料開發PwM的整體模型，該模型可用於監測和預測PwM的健康和福祉。

在ProACT的框架內，我們在都柏林以健康和以人為本的知識系統團隊正在使用條件，生命體徵，自我報告和行為評估資料為多病人建立一個整體模型。該模型依賴於貝葉斯網路，這是一種概率圖形工具，已廣泛應用於醫療保健決策支援。

在我們的MIE 2018（歐洲醫學資訊學）會議論文“ 使用貝葉斯網路進行多種疾病管理的分析方法 ”中，我們提出了我們的分析，稱為健康和健康概況構建器（HWProfile），正在ProACT試驗期間進行測試。HWProfile是一個AI模型，旨在通過幾個相互關聯的維度表示PwM：人口統計學，醫學因素，自我報告和行為因素。PwM的狀態通過感測器和通過ProACT CareApp獲取的自我報告問卷進行評估。每日問題是收集各種自我報告資訊的有效方法，例如COPD和CHF的呼吸困難評分，情緒和焦慮水平或藥物依從性資訊。

為了開發HWProfile模型，我們選擇了涵蓋不同維度的變數：健康/醫療，生活方式，心理，福祉，社會和行為，以及確定這些變數可以達到的價值範圍。然後，從結構的角度以及從數字的角度來看，模型必須機器學習變數之間存在的條件概率關係。性別，年齡和痛苦的關節炎如何影響跌倒的風險？對於患有COPD的女性，增加身體活動對疼痛水平的預期益處是什麼？這些是HWProfile可以幫助解決的問題。

我們使用從TILDA提取的資料訓練模型，TILDA是一個開放資料集，收集自三一學院領導的愛爾蘭老年人的縱向健康研究。在TILDA研究中，8504名50歲以上的人蔘加了自填問卷，計算機輔助訪談和健康評估。為了測試小模型的方法，我們的團隊從該資料集中選擇了12個變數，考慮了ProACT試驗中涵蓋的目標人群和條件以及所使用的資料收集方法：血壓監測，量表，活動問卷。該訓練模型被用作開發HWProfile的基礎（參見圖1）。

為了探索貝葉斯網路模型，我們構建了一個直觀的互動式使用者介面。變數及其相關級別按顏色編碼類別分組（參見圖1）。貝葉斯網路顯示了變數如何相互影響。對應於每個變數的離散概率分佈按互動式風險面板上的框分組（圖1右側）。對於給定變數，每個可能級別的邊際概率都以百分比形式表示，並通過背景中的水平條形圖表示。

圖1：HW Profile使用者介面

使用者可以通過單擊級別為任何變數分配“觀察”級別。然後更新整組邊際概率以反映這些觀察結果。再次單擊觀察到的變數會將其返回到未觀察到的狀態，並顯示邊緣概率。圖1右側顯示了Age被設定為'70以上'和膽固醇水平達到'超過5 mmol / L' 後的介面。可以立即看到所有連線變數（如高血壓）的概率變化。

HWProfile模型提供各種輸出，包括每當進行新觀察時所有未觀測變數的概率估計。這些輸出可以輸入到ProACT系統的其他分析中，其中包括目標和教育推薦器，警報系統和病情惡化監測器。我們的AI模型旨在利用ProACT範圍內的PwM上的所有可用資訊，以便深入瞭解其狀態以及自我管理和/或支援與關懷的建議。

我們的IBM研究團隊還在ProACT框架內開發了基於雲的平臺InterACT。基於IBM Cloud構建的InterACT作為一組經過身份驗證的服務公開，用於管理去識別的健康資料，並協調資料提供者，資料分析（如前面提到的HWProfile）和資料使用者之間的協作。

未來的工作在於研究該模型的臨床有效性。我們在初步模型中觀察到與醫學文獻一致的變數之間的影響。進一步的發展還包括用於更大網路的方法的效能分析，包括時間維度和每個變數的不同取樣率。HW Profile模型將與ProACT專案中開發的推薦系統的附加工作一起進行評估。

關於ProACT：

該專案（ProACT）已根據撥款協議No 689996從歐盟的Horizo​​n 2020研究和創新計劃獲得資金。

參考文章：

5月24日訊息，近期IBM研究院研發出了一項全新的AI模型HWProfile，又被稱為健康概況生成器。該AI模型通過收集可穿戴裝置、家中感測器以及平板等終端裝置上的資料，來幫助非正規照護者（如家庭和朋友）以及專業衛生人員，提高慢性心力衰竭（CHF）、糖尿病和慢性阻塞性肺病（COPD）在內的多種慢性疾病患者的看護質量。

之所以開展這一專案，是因為在歐盟人口中增長最快的是65歲以上的人群，此類人群罹患兩種或兩種以上慢性疾病的比例佔了三分之二，醫學科學院在最近的報告中指出，多發性疾病的無效治療已成為亟待解決的問題。

IBM研發的這個健康概況生成器HWProfile，涵蓋多個維度變數，如性別、年齡、社交、人口統計、自我檢測等。結合感測器及其他裝置蒐集上傳的資料，分析每個特徵與慢性病的關聯性。通過HWProfile模型，使用者可瞭解性別、年齡和患關節炎對跌倒風險的關聯，或是慢性阻塞性肺病（COPD）和慢性心力衰竭（CHF）患者出現呼吸困難症狀的概率有多大。

為了更直觀的讓患者瞭解自己的病情，IBM特意建立了一個直觀的互動式使用者介面，並對變數及其關聯級別按顏色編碼進行了類別分組。