مروری بر طراحی سامانه های هوشمند پایش بیمار مبتنی بر اینترنت اشیای پزشکی، حسگرهای پوشیدنی و یادگیری ماشین

رشد روزافزون بیماری های مزمن، افزایش جمعیت سالمندان و نیاز به مراقبت پیوسته و شخصی سازی شده، توسعه سامانه های هوشمند پایش بیمار را به یکی از محورهای اصلی سلامت دیجیتال تبدیل کرده است. در این میان اینترنت اشیای پزشکی (IoMT) به همراه حسگرهای پوشیدنی و الگوریتم های یادگیری ماشین بستر مناسبی برای جمع آوری، انتقال، تحلیل و تفسیر داده های فیزیولوژیک بیماران در زمان واقعی فراهم کرده اند. این سامانه ها با امکان پایش مستمر شاخص هایی نظیر سیگنال الکتروکاردیوگرام، ضربان قلب، اشباع اکسیژن خون، دمای بدن، فشار خون و الگوهای حرکتی، ظرفیت بالایی برای تشخیص زودهنگام ناهنجاری ها، پیش بینی وخامت وضعیت بیمار و پشتیبانی از تصمیم گیری بالینی دارند. در این مقاله مروری جامع بر طراحی سامانه های هوشمند پایش بیمار مبتنی بر IoMT ارائه می شود و اجزای اصلی این سامانه ها شامل لایه حسگر، زیرساخت های ارتباطی، بسترهای پردازش لبه و ابر و مدل های یادگیری ماشین برای تحلیل داده های زیستی بررسی می گردند، همچنین نقش حسگرهای پوشیدنی در مراقبت از بیماران قلبی، تنفسی، دیابتی و سالمندان و نیز کاربرد روش های یادگیری عمیق و مدل های سری زمانی در استخراج الگوهای بالینی از داده های چندبعدی تحلیل می شود. افزون بر این، چالش های کلیدی این حوزه شامل مصرف انرژی، قابلیت اطمینان، حسگرها، امنیت و حریم خصوصی داده های پزشکی، استانداردسازی، سوگیری الگوریتمی و قابلیت تفسیر مدل ها مورد بحث قرار می گیرد. نتایج این مرور نشان می دهد که همگرایی IoMT، حسگرهای پوشیدنی و یادگیری ماشین می تواند زیرساختی موثر برای گذار از مراقبت واکنشی به مراقبت پیش نگر، شخصی سازی شده و داده محور فراهم آورد. با این حال تحقق گسترده این سامانه ها در محیط های واقعی درمانی مستلزم توجه هم زمان به طراحی مهندسی، اعتبارسنجی بالینی، امنیت سایبری و انطباق با استانداردهای پزشکی است.

کلیدواژه ها:

اینترنت اشیای پزشکی ، پایش هوشمند ، بیمار ، حسگرهای پوشیدنی ، یادگیری ماشین ، سلامت دیجیتال ، تصمیم یار بالینی