Sempre di più si parla di predizione dello stato di salute, di qualità della vita e di supporto alle decisioni (DDS) del Medico al fine di effettuare un’anamnesi precisa e personalizzata per il paziente. Il DDS presentato nella pubblicazione scientifica, è basato su algoritmi di intelligenza artificiale e sensori indossabili, creati per la prevenzione dello stato di salute della persona.
La piattaforma presentata, è in grado di controllare diversi sensori indossabili che memorizzano i dati in un sistema Big Data Cassandra. Appositi algoritmi di intelligenza artificiale, sono stati applicati ai dati, dimostrando la funzione di base della prevenzione dei dati fisiologici della persona. Il Prototipo di ricerca è indicato per la realizzazione di mappe multidimensionali di rischio dello stato di salute.
Lo studio di ricerca nasce dall’esigenza di ottimizzare e predire gli stati di salute delle persone per aumentare la conoscenza e l’operatività in molti contesti, specialmente riguardanti anche settore sanitario. Con un sistema di algoritmi di data mining, i pazienti avranno maggiore consapevolezza riguardo al loro stato di salute e l’evolversi dello stesso, i medici potranno suggerire precocemente percorsi terapeutici personalizzati ed aiutare un maggior numero di persone comprendendo in anticipo il decorso di una malattia, i caregivers potranno ottimizzare i tempi delle prestazioni (non lavorando in emergenza) creando benefici economici con la riduzione dell’utilizzo delle strutture ospedaliere e programmando organizzati interventi di monitoraggio e cura.
Il data mining risulta essere strategico quando si utilizza come interfaccia per la valutazione di diverse patologie e comorbilità. La pre-elaborazione dei dati, la trasformazione e il miglioramento delle prestazioni del data mining, sta portando la telemedicina nel mondo dell’innovazione per quanto concerne la fornitura di assistenza domiciliare organizzata. I pazienti, telemonitorizzati, sono continuamente collegati via cloud con le sale di controllo esterne, adibite all’analisi dei parametri fisiologici derivanti dai sensori indossati dagli utenti, dai dati relativi all’anamnesi degli stessi, dal piano terapeutico seguito e da tutti quei parametri che risultano essere importanti per comprendere anche i quadri medici più complessi. Variazioni di soglie, parametri non nella norma, condizioni impreviste, vengono segnalate a pazienti, operatori sanitari e medici in modo da consentire un tempestivo intervento per stabilizzare la situazione di emergenza.
Nello studio riportato in allegato, viene discusso un esempio di architettura E-Health composta da sensori volti all’acquisizione di parametri fisiologici del paziente, lo stato emotivo estratto dal Machine Learning e dai dati ambientali che analizzerà tutti i parametri creando delle correlazioni di dati, favorendo e migliorando la previsione dello stato di salute della persona. Infine, l’analisi dei Big Data, potrebbe consentire di raggiungere trattamenti personalizzati in base ai dati genomici del paziente, la geolocalizzazione, i dati climatici, lo stile di vita, l’anamnesi, l’adesione al piano terapeutico, le allergie, la correlazione del DNA e malattie e altri parametri.
A questo link lo studio completo.
