IBM打造慢性病居家照护AI模型，结合穿戴装置及12项指标生成健康数据图表

IBM研究院最近针对慢性疾病的患者，开发一套生成健康数据图表的AI模型HWProfile，透过穿戴式装置和家中的传感器，收集患者健康数据，并利用12项健康指标，综合分析患者健康状况，最后生成健康数据图表，来提升慢性疾病居家照护的品质。

欧盟国家中人口成长速度最快的是65岁以上的族群，其中3分之2的人都患有2种以上的慢性疾病，且医学科学院最新的报告指出，慢性疾病无效的治疗是很棘手的问题，爱尔兰的IBM研究院参与了欧盟H2020资助的健康照护计划ProACT，正在和业界、学术界合作，透过IoT穿戴装置和AI技术，来提升居家照护慢性疾病的管理和新方法。

ProACT计划主要聚焦于研究用穿戴式装置、家中的传感器、平板等设备，来协助患有多重慢性病的病患居家照护，像是监视在家中的活动、与医师、家人和朋友共享健康数据、管理健康状况等。

这项计划在爱尔兰和比利时进行试验，患者需配戴穿戴式装置，在家中设有传感器，患者可透过ProACT CareApp来查看传感器的数据，App还提供量身定制的健康管理影片和课程，研究人员也能透过App监控患者的身体状况，而IBM研究院的工作即是利用收集到的数据，开发多发病患者（PwM）的模型，用来监测和预测病患的健康状况。

IBM研究开发了健康数据图表生成器HWProfile，透过AI技术，分析多个维度的关联性，像是人口统计、医学因素、日常生活习惯、自我检测等，还加入多种特征，像是性别、年龄、社交等，利用传感器收集的数据，加上患者自我评估的问卷，分析每个特征与慢性病的关联性，举例来说，HWProfile模型可以分析性别、年龄和患关节炎对跌倒风险的关联。

该模型采用医疗决策支援系统常用的贝氏网络（Bayesian network），来显示不同变数的概率相关度，能够透过已知的变数，预测出病患其他可能的变数，模型挑选了12个变数，包含多种不同的维度，像是医疗行为、生活习惯、心理因素、快乐指数、社交行为等。

为了训练该模型，IBM研究团队用针对爱尔兰老年族群健康研究开放数据库TILDA，经过训练后，IBM建立了呈现变数间相关性的互动界面，用颜色将变数分为4大类：基本资料、健康状况、生命迹象和治疗目标，让病患可以直接查看自己的健康状况。