論文の概要: Disease Insight through Digital Biomarkers Developed by Remotely
Collected Wearables and Smartphone Data
- arxiv url: http://arxiv.org/abs/2308.02043v1
- Date: Thu, 3 Aug 2023 22:44:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-07 14:31:21.822485
- Title: Disease Insight through Digital Biomarkers Developed by Remotely
Collected Wearables and Smartphone Data
- Title（参考訳）: 遠隔収集ウェアラブルとスマートフォンデータを用いたデジタルバイオマーカーによる疾患発見
- Authors: Zulqarnain Rashid, Amos A Folarin, Yatharth Ranjan, Pauline Conde,
Heet Sankesara, Yuezhou Zhang, Shaoxiong Sun, Callum Stewart, Petroula Laiou,
Richard JB Dobson
- Abstract要約: RADAR-baseは、ConfluentのApache Kafkaを中心に構築された、現代的なリモートデータ収集プラットフォームである。
研究設計とセットアップ、アクティブ(例えばPROM)、パッシブ(電話センサー、ウェアラブルデバイス、IoT)リモートデータ収集機能のサポートを提供する。
このプラットフォームは、多発性硬化症、うつ病、てんかん、ADHD、アルツハイマー、自閉症、肺疾患を含む多くの疾患領域において、様々なコホートに対する経時的データ収集に成功した。
- 参考スコア（独自算出の注目度）: 3.9411499615751113
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Digital Biomarkers and remote patient monitoring can provide valuable and
timely insights into how a patient is coping with their condition (disease
progression, treatment response, etc.), complementing treatment in traditional
healthcare settings.Smartphones with embedded and connected sensors have
immense potential for improving healthcare through various apps and mHealth
(mobile health) platforms. This capability could enable the development of
reliable digital biomarkers from long-term longitudinal data collected remotely
from patients. We built an open-source platform, RADAR-base, to support
large-scale data collection in remote monitoring studies. RADAR-base is a
modern remote data collection platform built around Confluent's Apache Kafka,
to support scalability, extensibility, security, privacy and quality of data.
It provides support for study design and set-up, active (eg PROMs) and passive
(eg. phone sensors, wearable devices and IoT) remote data collection
capabilities with feature generation (eg. behavioural, environmental and
physiological markers). The backend enables secure data transmission, and
scalable solutions for data storage, management and data access. The platform
has successfully collected longitudinal data for various cohorts in a number of
disease areas including Multiple Sclerosis, Depression, Epilepsy, ADHD,
Alzheimer, Autism and Lung diseases. Digital biomarkers developed through
collected data are providing useful insights into different diseases.
RADAR-base provides a modern open-source, community-driven solution for remote
monitoring, data collection, and digital phenotyping of physical and mental
health diseases. Clinicians can use digital biomarkers to augment their
decision making for the prevention, personalisation and early intervention of
disease.
- Abstract（参考訳）: デジタルバイオマーカーと遠隔患者モニタリングは、患者の状態(症状の進行、治療反応など)に対する対処方法に関する貴重なタイムリーな洞察を提供し、従来の医療環境における治療を補完することができる。組み込みおよび接続されたセンサーを備えた携帯電話は、さまざまなアプリおよびmhealth(モバイルヘルス)プラットフォームを通じて医療を改善する大きな可能性を秘めている。
この機能は、患者から遠隔で収集された長期データから信頼できるデジタルバイオマーカーの開発を可能にする。
我々は,リモートモニタリング研究において大規模データ収集をサポートするオープンソースプラットフォームRADAR-baseを構築した。
radar-baseは、スケーラビリティ、拡張性、セキュリティ、プライバシ、データ品質をサポートするために、confluentのapache kafkaを中心に構築された、現代的なリモートデータ収集プラットフォームである。
研究設計とセットアップ、アクティブ(例えばPROM)、パッシブ(電話センサー、ウェアラブルデバイス、IoT)のリモートデータ収集機能と機能生成(振る舞い、環境、生理的マーカーなど)をサポートする。
バックエンドはセキュアなデータ転送と、データストレージ、管理、データアクセスのためのスケーラブルなソリューションを可能にする。
このプラットフォームは、多発性硬化症、うつ病、てんかん、adhd、アルツハイマー病、自閉症、肺疾患を含む多くの疾患領域における様々なコホートに関する縦断データ収集に成功した。
収集データによって開発されたデジタルバイオマーカーは、さまざまな疾患に対する有用な洞察を提供している。
RADARベースは、リモート監視、データ収集、および身体および精神疾患のデジタル表現型化のための、モダンなオープンソース、コミュニティ主導のソリューションを提供する。
臨床医はデジタルバイオマーカーを使用して、疾患の予防、パーソナライゼーション、早期介入のための意思決定を強化することができる。
関連論文リスト
- DAMMI:Daily Activities in a Psychologically Annotated Multi-Modal IoT dataset [10.771838327042609]
DAMMIデータセットは、この分野の研究者を支援するように設計されている。
これには、ホームインストールされたセンサー、スマートフォンデータ、リストバンド146日以上にわたって収集された高齢者の日々の行動データが含まれている。
データ収集は、新型コロナウイルス(COVID-19)のパンデミック、正月、ラマダンの宗教月など、重要なイベントにまたがる。
論文 参考訳（メタデータ） (2024-10-05T13:26:54Z) - Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。
ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。
HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。
最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文 参考訳（メタデータ） (2024-01-22T03:17:41Z) - Building Flexible, Scalable, and Machine Learning-ready Multimodal
Oncology Datasets [17.774341783844026]
本研究は、オンコロジーデータシステム(MINDS)のマルチモーダル統合を提案する。
MINDSはフレキシブルでスケーラブルで費用対効果の高いメタデータフレームワークで、公開ソースから異なるデータを効率的に分離する。
MINDSは、マルチモーダルデータを調和させることで、より分析能力の高い研究者を力づけることを目指している。
論文 参考訳（メタデータ） (2023-09-30T15:44:39Z) - Health Guardian Platform: A technology stack to accelerate discovery in
Digital Health research [1.4334172557562619]
Health Guardianは、IBM Digital Healthチームが開発したプラットフォームで、新しいデジタルバイオマーカーの発見とデジタルヘルス技術の開発を加速する。
このプラットフォームは、モバイルアプリケーション、ウェアラブル、IoT(Internet of Things)デバイスに接続して、健康関連のデータをセキュアなデータベースに収集することができる。
分析が作成されると、事前に定義されたテンプレートを使用してコードをクラウド上にコンテナ化し、デプロイし、1つ以上のセンサーデバイスから収集したデータを使用してモデルを検証できる。
論文 参考訳（メタデータ） (2022-11-10T16:28:07Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - Subgroup discovery of Parkinson's Disease by utilizing a multi-modal
smart device system [63.20765930558542]
われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。
様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
論文 参考訳（メタデータ） (2022-05-12T08:59:57Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳（メタデータ） (2022-03-24T02:09:41Z) - Label scarcity in biomedicine: Data-rich latent factor discovery
enhances phenotype prediction [102.23901690661916]
低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。
半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
論文 参考訳（メタデータ） (2021-10-12T16:25:50Z) - A highly scalable repository of waveform and vital signs data from
bedside monitoring devices [0.0]
機械学習は、患者バイタルのような様々な種類の信号データに対する研究コミュニティの欲求を喚起している。
医療システムは大量のデータの大量処理には適していない。
我々は,患者を夜間に,オンプレミスのバイオメディカルシステムから永久アーカイブとしてクラウドストレージの場所まで,患者のバイタルデータを同期するソリューションを開発した。
論文 参考訳（メタデータ） (2021-06-07T20:59:58Z) - Interpretable Deep Learning for the Remote Characterisation of
Ambulation in Multiple Sclerosis using Smartphones [3.5547766520356547]
スマートフォンの慣性センサデータに適用した深層畳み込みニューラルネットワーク (dcnn) は, 健常者とms群との区別が良好であった。
同様の大規模オープンソースデータセットからの転送学習(tl)モデルを提案した。
ブラックボックス」深層ネットワークの透明性の欠如は、臨床応用における深層学習の広く受け入れられる最大の障害の1つである。
論文 参考訳（メタデータ） (2021-03-16T16:15:49Z) - Challenges in biomarker discovery and biorepository for Gulf-war-disease
studies: a novel data platform solution [48.7576911714538]
ROSALINDという新しいデータプラットフォームを導入し、課題を克服し、健全で重要なコラボレーションを育み、科学的調査を進めます。
ROSALINDは、自己管理されたアクセシビリティ、リンク性、可積分性、中立性、信頼性を持つリソース有機体を指します。
過去12ヶ月のGWI研究におけるROSALINDの展開により、データ実験と分析のペースが加速し、多数のエラーソースが削除され、研究品質と生産性が向上しました。
論文 参考訳（メタデータ） (2021-02-04T20:38:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。