利用可穿戴式医疗设备的数据

糖尿病和其他慢性疾病,如癌症或心血管疾病,需要一生的管理。

近年来,大量的可穿戴设备(如血糖检测仪,活动跟踪器,心率监视器,脉搏血氧仪已经被病人和采用卫生保健提供者更有效地跟踪和管理这些条件。这些设备也是一个丰富的数据进行分析,以便更好地理解的因素和行为导致改善健康结果。

说,“但是他们远远没有得到充分利用Temiloluwa Prioleau,助理教授计算机科学和增强健康实验室的主任,这是集中在弥合这一差距。

无处不在的传感器,监测与健康有关的数据和行为作为人更多的一天,能真正理解和通知的关键在于良好的管理实践,Prioleau说。关键的挑战在于提取有意义的信息从这些设备收集的数据泛滥。

在最近的一项研究发表在npj数字医疗、Prioleau和计算机科学研究生阿比盖尔Bartolome使用机器学习技术来解决这一问题。他们从连续挖掘数据血糖监测和胰岛素泵,糖尿病患者使用的设备,学习模式在数据和了解糖尿病的结果与这些模式有关。

例如,在他们的研究中他们发现,当病人的血糖水平在目标范围超过70%有一天,他们有更高的可能性范围内剩余的很大一部分第二天。第二天的好结果的几率更高餐时胰岛素剂量是一个观察到的范围内。

这些结果与之前的结果直观、对齐工作涉及预测血糖控制、Bartolome说。研究表明,他们的计算框架成功提取数字biomarkers-quantifiable捕获健康管理行为的因素和预测未来成果多个数据流,如糖尿病相关条件。

“我们现在可以连接其他生活方式和活动数据的信息我们必须获得更丰富和更细微的洞察日常行为会导致好或血糖控制不佳,“Bartolome说。

用户研究数据集成活动追踪记录数步,睡眠和其他信息的混合识别生物标记连接到现在正在人们的日常决策。

手持见解来源于数据,研究人员希望支持个性化的糖尿病管理,不仅对人使用可穿戴设备,但即使是对于那些无法获得他们。

Prioleau说,“长期的愿景,是受益的人无法获得先进的糖尿病技术。”

---

---