歐盟人口增長最快的人群之一是65歲及65歲以上的人群，其中三分之二處于多發(fā)病狀態(tài)，即患有兩種或多種慢性疾病的庇隆族。醫(yī)學(xué)科學(xué)院在最近發(fā)布的一份報(bào)告中指出，多發(fā)病的無效治療是亟待解決的問題。作為歐盟H2020資助的名為ProACT的項(xiàng)目的一部分，我們位于愛爾蘭的IBM Research團(tuán)隊(duì)正在與學(xué)術(shù)界和行業(yè)合作伙伴合作，以尋找新的方法來使用IoT，AI和云技術(shù)來增強(qiáng)自我管理功能和基于家庭的綜合護(hù)理適用于多發(fā)病患者（PwM）。

ProACT項(xiàng)目正在研究可穿戴式，家用傳感器和平板電腦應(yīng)用程序如何用于幫助多種疾病患者及其支持者，其中包括非正式的照顧者（例如家人和朋友），正式的照顧者和保健專業(yè)人員（包括醫(yī)生和護(hù)士） ），應(yīng)對(duì)包括慢性心力衰竭（CHF），糖尿病和慢性阻塞性肺疾病（COPD）在內(nèi)的各種疾病。

該項(xiàng)目包括在愛爾蘭和比利時(shí)進(jìn)行的涉及國家衛(wèi)生服務(wù)的概念驗(yàn)證試驗(yàn)，其中許多患者配備了可穿戴和家用傳感器以及他們的支持人員?，F(xiàn)在開始審判。病人正在學(xué)習(xí)使用ProACT CareApp，該軟件可匯總傳感器的讀數(shù)，并允許PwM及其支持人員監(jiān)視其狀態(tài)，并建議針對(duì)自我管理需求的教育視頻和教程。ProACT CareApp的用戶界面是在PwM的參與下共同設(shè)計(jì)的，以確保易用性。我們研究的主要目標(biāo)是使用收集到的數(shù)據(jù)來開發(fā)PwM 的整體模型，該模型可用于監(jiān)視和預(yù)測PwM的健康狀況。

在ProACT的框架內(nèi)，我們位于都柏林的健康與以人為本的知識(shí)系統(tǒng)團(tuán)隊(duì)正在使用條件，生命力，自我報(bào)告和行為評(píng)估的數(shù)據(jù)，為患有多種疾病的人建立一個(gè)整體模型。該模型基于貝葉斯網(wǎng)絡(luò)，貝葉斯網(wǎng)絡(luò)是一種概率圖形工具，已廣泛應(yīng)用于醫(yī)療保健決策支持中。它表示幾個(gè)變量之間的概率依存關(guān)系，這使一個(gè)變量可以知道其他變量的狀態(tài)來預(yù)測變量的最可能狀態(tài)。它使其成為解決多發(fā)病率挑戰(zhàn)的有前途的技術(shù)。

在我們的MIE 2018（歐洲醫(yī)學(xué)信息學(xué)）會(huì)議論文“ 使用貝葉斯網(wǎng)絡(luò)進(jìn)行多發(fā)病管理的分析方法 ”中，我們介紹了稱為“健康與健康檔案生成器”（HWProfile）的分析方法，該方法正在ProACT試驗(yàn)中進(jìn)行測試。HWProfile是一種AI模型，旨在通過幾個(gè)相互聯(lián)系的維度來表示PwM：人口統(tǒng)計(jì)，醫(yī)學(xué)因素，自我報(bào)告和行為因素。通過傳感器和通過ProACT CareApp進(jìn)行的自我報(bào)告調(diào)查表評(píng)估PwM的狀態(tài)。每日提問是一種收集各種自我報(bào)告信息的有價(jià)值的方法，例如，COPD和CHF的呼吸困難分?jǐn)?shù)，情緒和焦慮水平或藥物依從性信息。

為了開發(fā)HWProfile模型，我們選擇了涵蓋各個(gè)方面的變量：健康/醫(yī)療，生活方式，心理，福祉，社交和行為，以及確定這些變量可以達(dá)到的值范圍。然后，該模型必須從結(jié)構(gòu)的角度以及從數(shù)值的角度機(jī)器學(xué)習(xí)變量之間存在的條件概率關(guān)系。性別，年齡和患關(guān)節(jié)炎的人如何對(duì)跌倒的風(fēng)險(xiǎn)產(chǎn)生影響？對(duì)于患有COPD的女性，增加體育鍛煉對(duì)疼痛程度的預(yù)期益處是什么？這些是HWProfile可以幫助解決的問題。

我們使用從TILDA提取的數(shù)據(jù)訓(xùn)練了模型，該數(shù)據(jù)是由Trinity College領(lǐng)導(dǎo)的對(duì)愛爾蘭老年人口的縱向健康研究收集的開放數(shù)據(jù)集。在TILDA的研究中，有8504名50歲以上的人參加了一次自我填寫的問卷調(diào)查，計(jì)算機(jī)輔助訪談和健康評(píng)估。為了在一個(gè)小模型上測試方法，我們的團(tuán)隊(duì)從該數(shù)據(jù)集中選擇了12個(gè)變量，考慮了ProACT試驗(yàn)涵蓋的目標(biāo)人群和條件以及所使用的數(shù)據(jù)收集方法：血壓監(jiān)測，量表，活動(dòng)問卷。這個(gè)經(jīng)過訓(xùn)練的模型被用作開發(fā)HWProfile的基礎(chǔ)（見圖1）。

為了探索貝葉斯網(wǎng)絡(luò)模型，我們構(gòu)建了一個(gè)直觀的交互式用戶界面。變量及其相關(guān)級(jí)別按顏色編碼類別分組（請(qǐng)參見圖1）。貝葉斯網(wǎng)絡(luò)顯示變量如何相互影響。對(duì)應(yīng)于每個(gè)變量的離散概率分布通過交互式風(fēng)險(xiǎn)面板上的框進(jìn)行分組（圖1的右側(cè)）。對(duì)于給定的變量，每個(gè)可能水平的邊際概率既以百分比形式表示，又通過背景中的水平條形圖表示。

用戶可以通過單擊級(jí)別為任何變量分配“已觀察”級(jí)別。然后更新整個(gè)邊際概率集以反映這些觀察結(jié)果。再次單擊觀察到的變量將其返回到未觀察到的狀態(tài)，并顯示邊際概率。右圖1顯示了Age（年齡）設(shè)置為“ 70以上”并且膽固醇水平設(shè)置為“大于5 mmol / L”后的界面?？梢粤⒓纯吹剿邢嚓P(guān)變量（例如高血壓）的概率結(jié)果變化。

HWProfile模型提供各種輸出，包括在進(jìn)行新觀察時(shí)對(duì)所有未觀察到的變量進(jìn)行概率估計(jì)。這些輸出可以反饋給ProACT系統(tǒng)的其他分析，包括目標(biāo)和教育推薦器，警報(bào)系統(tǒng)和病情惡化監(jiān)測器。我們的AI模型旨在利用ProACT范圍內(nèi)的PwM上的所有可用信息，以提供有關(guān)其狀態(tài)的見解以及對(duì)自我管理和/或支持與關(guān)懷的建議。

我們的IBM研究團(tuán)隊(duì)還開發(fā)了InterACT，這是ProACT框架內(nèi)基于云的平臺(tái)。InterACT建立在IBM Cloud之上，它作為一組經(jīng)過身份驗(yàn)證的服務(wù)公開，以管理未標(biāo)識(shí)的健康數(shù)據(jù)并協(xié)調(diào)數(shù)據(jù)提供者，數(shù)據(jù)分析（如之前提到的HWProfile）和數(shù)據(jù)使用者之間的協(xié)作。

未來的工作在于調(diào)查模型的臨床有效性。我們已經(jīng)觀察到初步模型中與醫(yī)學(xué)文獻(xiàn)一致的變量之間的影響。進(jìn)一步的發(fā)展還包括針對(duì)較大網(wǎng)絡(luò)的方法的性能分析，包含時(shí)間維和每個(gè)變量不同的采樣率。將結(jié)合在ProACT項(xiàng)目中開發(fā)的推薦系統(tǒng)周圍的其他工作來評(píng)估HW Profile模型。