物聯(lián)網(wǎng)哨兵為心臟病緊急情況做好準備

ISTOCK

This article is part of our exclusive IEEE Journal Watch series in partnership with IEEE Xplore.

心臟病和中風(fēng)是世界上兩大死亡原因。然而，兩者都很難被發(fā)現，這賦予了它們臭名昭著(zhù)的沉默殺手的名聲。心臟病的早期診斷——包括心臟病發(fā)作和中風(fēng)等并發(fā)癥——將挽救生命。

為了幫助早期檢測，英國的研究人員提出了一系列物聯(lián)網(wǎng)設備、人工智能和云計算技術(shù)，以在某人出現疑似心血管緊急情況時(shí)提供實(shí)時(shí)警報。

Muhammed Golec是倫敦瑪麗女王大學(xué)計算機科學(xué)博士生，參與了這項研究?！靶呐K病很難用傳統方法檢測出來(lái)，”他說(shuō)，并強調了，診斷通常需要專(zhuān)門(mén)的測試，如心電圖和鉈測試。

幸運的是，人工智能的專(zhuān)長(cháng)之一是識別數據中的異常，檢測人眼不太明顯能夠分辨的情況下的微妙之處。因此，Golec提出，物聯(lián)網(wǎng)設備（包括智能手表和其他可穿戴設備）可以用來(lái)監測一個(gè)人的生命體征，然后將數據傳輸到云端，由人工智能算法進(jìn)行分析。如果一個(gè)人出現心血管并發(fā)癥，系統會(huì )自動(dòng)向醫生和/或最近的醫療服務(wù)提供商發(fā)送警報。該平臺名為HealthFaaS —— 該名字參考了流行的云計算術(shù)語(yǔ)“功能即服務(wù)”（function as a service，FaaS）。

Golec和他的同事在5月18日發(fā)表在《IEEE物聯(lián)網(wǎng)雜志》上的一項研究中描述了他們是如何創(chuàng )建和測試HealthFaaS的。研究人員分析了五種不同的人工智能，這些人工智能是根據精確度、準確性、召回率和排名預測等因素訓練來(lái)檢測心臟并發(fā)癥的。結果顯示，這些模型在心臟病風(fēng)險檢測方面的準確率在83%至92%之間。

接下來(lái)，該團隊評估了排名第一的模型（稱(chēng)為L(cháng)ightGMB）在serverless platform（Google Cloud Functions）上與non-serverless platform (Heroku)相比的工作效果。他們發(fā)現，serverless platform比non-serverless platform實(shí)現了更大的吞吐量和更低的延遲，尤其是隨著(zhù)用戶(hù)數量的增加后。

例如，假設有500人同時(shí)使用該系統。如果用戶(hù)數量突然增加到10000，non-serverless platforms將崩潰，可能無(wú)法響應。Golec表示：“但serverless platform可以通過(guò)自動(dòng)增加資源來(lái)在不崩潰的情況下做出響應。對于HealthFaaS，我們使用了一個(gè)serverless platform，因為它可以同時(shí)響應大量用戶(hù)，這要歸功于它的動(dòng)態(tài)可擴展性功能。它還提供了一些好處，如降低操作復雜性和現收現付定價(jià)?！?/p>

然而，他指出，隱私和安全仍然可能是一個(gè)問(wèn)題。為了解決這一問(wèn)題，他建議在HealthFaas中添加區塊鏈、OAuth 2.0和傳輸層安全等安全方法。

在未來(lái)的工作中，Golec表示，他希望創(chuàng )建一個(gè)新的框架，以確保智能醫療系統的安全和隱私。他還考慮將人工智能和serverless computing相結合的方法，以提高時(shí)間敏感的物聯(lián)網(wǎng)應用的計算效率，如即時(shí)患者隨訪(fǎng)和自動(dòng)駕駛汽車(chē)。