一種基于場景建模的個性化健康提醒方法

任曉佳,張威強,張朋柱

(上海交通大學 安泰經濟與管理學院,上海 200030)

我國目前面臨著醫療資源需求大,供應緊張的現狀。國家統計局發布的中國統計年鑒2019顯示,我國每千人口擁有的衛生技術人員、執業(助理)醫師、注冊護士的人數分別為6.83、2.59 和2.94,部分省份和地區人數甚至更少。與緊缺資源相矛盾的是巨大的需求量。2018年,我國首部《健康管理藍皮書:中國健康管理與健康產業發展報告(2018)》發布。該報告顯示,我國慢性病發病人數約3億人,在全國體檢人群中,所患主要慢性病為高血壓病(9.424%)、脂肪肝(6.278%)、血脂異常(3.864%)、糖尿病(3.402%)以及慢性胃炎或胃潰瘍(2.927%)。我國慢性病呈現“患病人數多、患病時間長、醫療成本高、服務需求大”的特點。在此背景下,利用互聯網和物聯網智能技術進行自我防病管理和因病調理,轉“被動醫療服務”為“主動健康管理”,進而減少慢性病發病率和死亡率。推廣智能健康管理,將在一定程度上提升醫療資源的供給能力,降低對醫療資源的需求,進而緩解供需矛盾。

隨著移動互聯網和智能手機的普及,移動健康管理成為極具發展潛力的模式[1]。研究表明,“互聯網+”健康管理干預模式對冠心病和糖尿病患者具有積極意義,可以幫助患者提升合理膳食、血糖監測以及血壓監測行為所占比例,改善不良情緒,提高控制態度、自我效能和臨床效果[2-3]。在智慧養老方面,“互聯網+”健康管理干預模式在機構養老智能化[4]、居家養老智慧化[5-6]等方面有著廣泛應用,在實踐中取得了很好的效果。鑒于“互聯網+”在健康管理領域的積極效果,公立和社區醫院都開始逐步普及“健康管理+互聯網”模式的應用[7-8],幫助居民提升健康管理效率。一些企業和個人也申請了關于個人健康管理檔案、健康管理系統、智慧養老系統[9-12]的發明專利,旨在建立綜合便捷的、可持續改進的健康管理一站式解決系統,為“互聯網+”健康管理模式在應用方面創造了更多的可能性。各大手機應用商店也上線了薄荷健康、春雨醫生等智能健康管理應用,為用戶提供科學、專業的健康管理服務。

當前用戶數量較大的健康管理手機應用及其后臺支持系統大多基于少量的用戶個人狀態信息,對周圍環境因素考慮較少,實時性和個性化程度較低。然而,現有研究證實,氣溫變化[13-14]、氣壓[15-16]、平均濕度與最低濕度[17]、空氣污染(NO2,SO2及可吸入顆粒)等環境因素與腦卒中發病有著密切關系。同時,有研究指出冷空氣可影響血液的流動性,使動脈粥樣硬化發生或加重,還可導致血管收縮、心肌細胞受損[18]。因此,環境因素對個人健康有著重要影響。將環境因素與個人狀態信息結合作為生成健康提醒的依據,可以實現更加全景式、個性化的健康管理。

為了在生成提醒時充分、詳盡地考慮個人狀態與環境因素,本文提出一種將用戶個人狀態和周圍環境抽象為用戶場景模型,建立場景庫和健康管理規則庫,通過場景觸發規則,生成健康提醒的研究方法。在研究過程中,采用領域本體建模的方法,對包含用戶個人狀態和周圍環境的用戶場景,健康管理規則和健康管理提醒進行建模,按照實際情形并結合生活常識對用戶場景本體模型中的類進行實例化,構建場景庫和規則庫。在場景庫和規則庫的基礎上,按照用戶場景觸發健康管理規則,生成健康管理提醒的邏輯生成提醒。最終,在場景本體模型基礎上,設計并開發健康管理提醒生成系統,實現場景數據獲取、存儲,以及健康提醒生成功能。

1 文獻綜述

隨著智能健康管理的興起和普及,有關健康管理系統構建和健康管理方案智能生成方法的研究出現。在健康管理信息系統構建方面的研究有:Sahoo等[19]利用健康管理系統收集數據,分析患者的生活方式、身體健康記錄和社會活動,評估患者的健康狀況,并以此為依據基于協同過濾算法為患者推薦健康管理方案;Ilya等[20]建立了用于存儲用戶電子病歷和重要指標信息的健康管理系統,并提出了健康管理方案推薦方法,用于幫助用戶預防心腦血管疾病的發生和加重;薛方等[21]構建了基于安卓平臺的居家老年人健康管理系統,用于輔助用戶了解健康狀態、獲取健康指導,幫助醫生掌握患者歷史信息;Tseng等[22]針對慢性病患者設計了交互式的健康管理系統,系統基于定期體檢的結果,分析用戶的健康風險,為用戶推薦飲食和運動方案。與此同時,領域本體的建模方法被廣泛應用于健康方案生成研究。Ali等[23]利用2型模糊本體建模方法建立基于物聯網的健康管理推薦系統,實現了針對1型糖尿病患者的飲食和用藥推薦。Vladimir等[24]的研究指出,盡管本體建模和集成在健康管理系統構建方面有很多應用,但目前沒有實現健康管理系統中本體的自動化或半自動化集成。Wang等[25]通過模糊本體建模的方式實現了針對用戶飲食的語義分析,依據用戶輸入的食物及用量,結合用戶自身身體狀態,系統可告知用戶當前的飲食是否健康,從而促進用戶培養健康的飲食習慣。Titi等[26]通過整合現有與健康、物聯網設備以及時間領域有關的本體,將類實例化,使用推理規則的方式構建了一個基于醫療物聯網的系統,用于為患慢性病的老年人提供持續性的健康監測服務。

在以往的健康管理系統構建及健康方案生成研究中,對用戶信息的收集缺乏統一的、全面的數據結構,且沒有將環境因素納入建模范圍,僅考慮性別、身高、體質量等個人信息,無法進行實時、動態、全方位的健康管理。環境因素是健康管理提醒生成過程中非常重要的信息。例如,夏季的高溫會使高血壓患者的血壓產生較大的波動。在生成健康提醒時,就非常有必要將“高溫”這一信息考慮在內。因此,只有將周圍環境信息充分利用起來,才能實現全景式、個性化的健康管理。本文提出一種將用戶個人狀態和周圍環境抽象為用戶場景模型,建立場景庫和健康管理規則庫,通過場景觸發規則,生成健康提醒的研究方法。在場景本體模型基礎上,設計并開發健康管理提醒生成系統,實現場景數據獲取、存儲,以及健康提醒生成功能。

2 場景本體模型構建

采用領域本體建模方法,對個體所處的場景進行歸納和抽象,并依據個體所處的場景實時生成健康管理提醒,以達到對個體的狀態進行全方位、實時的描述,實現動態健康管理的目的。采用OWL語言,protégé-5.2.0軟件對依據場景進行動態健康管理的過程建模。該模型包含基礎本體層、場景本體層、規則與提醒本體層。基礎本體層包含服裝、慢性病和服用藥物3個類,主要為其他本體層中的類提供取值范圍。場景本體層是該模型的核心層級,該層級中的各個類對個體的自身狀態、周圍環境進行了全方位的抽象。規則類按照“如果-那么”的邏輯關系將個人場景實體與提醒實體聯系起來,提醒類對呈現給用戶的健康管理提醒進行了抽象。規則類與提醒類組成了規則與提醒本體層。下面對各個層級的關鍵本體和屬性進行闡述。

2.1 基礎本體層

基礎本體層包含服裝類、慢性病類和服用藥物類。服裝類的定義是以紡織學中對織物的描述為依據,具體包含衣物名稱、保溫率、透氣率、厚度和面密度等屬性。慢性病類的定義參照臨床中對于患者慢性病的描述,包含疾病名稱、確診時間、后遺癥、危險因素和醫囑等屬性。服用藥物類參照藥物說明書中對于藥物描述所使用的屬性。慢性病、服用藥物類中的屬性值可直接通過訪問用戶的電子病歷獲得。服裝類中的屬性暫時沒有直接的獲取方式,只能通過專業的儀器測量。之所以將目前沒有直接獲取方式的屬性加入到模型中,是為了全方位描述用戶場景,使模型體系更加完整。表1所示為該層級下各個類、屬性及可能取到的屬性值。

表1 基礎本體層的各個類、屬性以及各個可能的屬性值

2.2 場景本體層

場景本體層以個體為中心,從個人信息、穿戴、運動、疲勞程度以及個體所處環境等角度對其進行全方位描述。個人信息類主要包含性別、年齡、身高、體質量和BMI等個人基本信息,以及脈率、收縮壓、舒張壓和體溫等個人健康信息。同時,參照生活能力評估指標,將日常生活能力(ADL)、綜合功能(FCA)以及神經功能缺損(NDS)作為屬性加入個人信息類中。建立位置類的主要目的是對個體所處的時間和空間位置進行全方位描述。其中,空間位置屬性有經度、緯度和海拔,時間位置屬性有時間、季節和時辰。季節和時辰概念的引入有助于利用中醫知識進行健康管理。穿戴類的值域是服裝基礎庫,用于描述當前用戶的穿著,穿戴類的建立有助于依據氣溫變化為用戶提供增減衣物的提醒。疲勞類屬性包含人體疲勞和眼瞼閉合度,活動類屬性包含活動名稱和代謝當量。活動名稱取值為“吃飯”“睡覺”“運動”“靜坐”,可涵蓋個體一天生活中的所有狀態。代謝當量是以安靜且坐位時的能量消耗為基礎,表達各種活動時相對能量代謝水平指標(單位:MET),1 MET=耗氧量3.5 ml/(kg·min)。人在靜坐時,MET≈1.0,以9.6 km/h 的速度跑步時,MET≈10。代謝當量可用于描述進行當前活動的劇烈程度。環境類包含兩個子類,分別為室外環境和容器環境。室外環境的定義主要參考氣象網站公布的天氣指標,是指個體所在地的室外天氣特征。在本文中,容器是指容納個體的建筑物、交通工具等,是一個相對封閉的環境。例如,當個體乘坐地鐵出行時,地鐵可被看作容納個體的容器;當個體在辦公室工作時,辦公室可被看作容器。容器環境包含的屬性主要有:容器名稱、容器速度、容器中人群密度以及PM2.5等。運動特征類主要描述個體在位移過程中的運動特征,主要包含三軸加速度、水平速度以及垂直速度等屬性。其中,動作屬性由M(M為人體骨骼的骨頭數)個四元數組組成,可用于描述個體當前的四肢形態。因此,當前個體在t時間的動作可以表示為

將個體的動作以數組的形式描述和存儲,有利于計算動作之間的相似度,識別個體的動作和意圖。在場景描述本體層中:個人信息類屬性值可通過電子病歷結合智能可穿戴設備獲取;位置類屬性值可通過GPS定位系統獲取;運動特征類屬性值可通過智能可穿戴設備獲取;室外環境和容器環境屬性值可通過當地氣象網站和布置在室內的環境監測傳感器獲得;活動類屬性值可通過運動特征類和位置類屬性結合一些算法計算得出;在疲勞類中,眼瞼閉合度屬性值需要通過眼動儀結合圖像處理的方式獲取,人體疲勞屬性值則由呼吸、脈搏、血壓、加速度和體溫等屬性結合特定的算法計算得出。場景本體層級下各個類、屬性以及可能取到的屬性值如表2所示。

表2 場景描述本體層的各個類、屬性以及可能的屬性值

個人場景類包含個人歷史場景、個人實時場景和個人將來場景3個子類。個人實時場景用于描述個體當前時刻的狀態。個人歷史場景是對過去個人實時場景的切片存儲,用于描述個體在過去某些時間的狀態。個人將來場景為對個體未來某時刻場景,或者場景類中某些屬性值的預測,用于描述處于某一狀態的個體的下一狀態。個人將來場景的生成主要包含兩種方式:基于個體的日常行為軌跡以及基于個體當前的狀態。系統基于個體行為軌跡定義個人將來場景,例如,當前用戶每周周一至周五工作,則系統將“工作”定義為該用戶在工作日的將來場景。因此,可以在工作日早晨時推斷其將來場景為出門上班,進而為其推薦即將進入室外情況下的建議,如“紫外線較強,建議做好防曬”等。系統根據用戶的當前狀態推測用戶下一時刻的狀態。例如,如果當前個體的位置處于餐廳內,且個體處于“坐下”的狀態,則系統推斷個體的下一狀態為吃飯。此時,系統可為用戶推薦與飲食有關的健康管理提醒,如“每日攝入鹽的量應該控制在5 g以內”“減少攝入動物脂肪”等。

在進行健康管理提醒生成的過程中,同時考慮個體的歷史、實時和將來場景,可以為用戶提供更加全景式、個性化的方案,也增強了健康管理提醒的可實施性。例如:在個體吃飯時或吃飯后為其推薦“減少攝入動物脂肪”建議的意義遠小于在吃飯之前做推薦;如果個體在前一天已經食用過茄子,食用茄子就可以存儲為用戶的歷史場景。在此情況下,再提醒用戶吃茄子的方案就有很大可能得不到用戶采納。

2.3 規則與提醒本體層

規則與提醒本體層包含規則類與提醒類。其中,規則類按照“如果-那么”的邏輯關系,將個人場景與提醒聯系起來。個人場景觸發規則的前提部分,生成的提醒是規則的結果部分。規則實體的數目可能有很多,因此,在規則類中添加了緊急程度屬性。在進行實際的邏輯運算過程中,優先觸發緊急程度較高的規則。建立場景庫的根本目的是依據個體所處場景,為其提供與之相符的提醒或健康管理建議。提醒類主要包含提醒類型、提醒主體等屬性。由于并發的提醒可能有多個,而個人接收信息的能力是有限的,故在提醒類中加入了緊急程度屬性。表3所示為規則與提醒本體層級所包含的類、屬性以及可能的屬性值。

表3 規則類屬性以及可能的屬性值

2.4 定義本體間的關系

概念間的層級關系主要包含繼承關系(is-a關系)和類-實例關系(instance-of)。概念間非層級關系的確定,主要通過定義類的對象屬性(attribute)確定。本文通過人工獲得的方式定義了本體之間關系,如表4所示。

表4 本體自定義對象屬性關系表(部分)

一個完整的本體體系必須同時具備類的體系和本體的概念屬性。概念屬性分為數據屬性和對象屬性。數據屬性用于描述概念自身的固有屬性,如用戶個體的體質量為56 kg,數據屬性“體質量”將用戶個體和數據56連接起來。對象屬性用于描述本體之間的邏輯關系,進而連接兩個本體。通過確定本體和屬性,即可將個體所處的場景轉化為結構化的語言。綜上所述,領域本體模型框架如圖1所示。個人實時、歷史、將來場景都由個人狀態和周圍環境兩部分組成,個人狀態和周圍環境又分別由相應的子類組成。個人場景觸發規則,生成相應提醒。

圖1 場景領域本體模型框架

在前序章節定義的基礎本體層、場景描述本體層、規則與提醒本體層以及本體間關系的基礎上,利用protégé 軟件,實現基于OWL(Web Ontology Language)的場景模型。用OntoGraph視圖工具繪制各個類及其關系屬性,其中,矩形表示類,帶箭頭的直線表示類之間的關系,如圖2所示。

圖2 場景模型中的類及其關系

3 基于場景數據的健康管理方案智能生成

3.1 場景本體實例化

為了詳盡地枚舉和實例化用戶的個人場景,需對其進行分類。在第1層級分類中,按照地點可將場景分為“家中”“除家以外的其他室內場所”“室外場所”“乘坐交通工具”4種類型。在場景健康管理中,用戶的意外場景是應該被重點關注的對象。因此,將“意外情況”放入場景第1層級分類中。家中場景中,按照模型需求對用戶當前活動分類,可分為“吃飯”“運動”“靜坐”“睡覺”4個子類。按照離家距離,將“室外場所”進一步劃分為“距離家3 km 以內”“距離家3～10 km”“距離家10 km 以外”3個子類。每個子類下包含“吃飯”“運動”“靜坐”3 個子類。“乘坐交通工具”類包含“海”“陸”“空”交通工具3個子類。“意外情況”包含“意外受傷”“舊病復發”2個子類。場景分類框架及部分場景實例如圖3所示。將實例存儲于protégé中,并用OntoGraf工具繪制,部分實例化場景如圖4所示。

圖4 個人場景類的實例化

選取較為典型的用戶群體——空巢老人,羅列出他們日常生活中可能出現的場景,對場景模型進行實例化,并根據實例化場景做出合理的健康管理提醒。在夏季的某一天,空巢老人可能會面臨的場景有“在家吃午飯”(SM001)、“午休”(SM002)、“在跑步機上跑步”(SM003)、“在家讀書”(SM004)以及“在公園散步”(SM005)等。以空巢老人在家吃午飯的場景(SM001)為例,參照前文定義的本體結構和關系,可將該用戶當前場景分解為如下實例。

3.2 規則與提醒本體實例化

當用戶場景滿足一定條件時,將觸發規則,生成健康提醒。規則實例來自權威的健康管理書籍、文獻、微信公眾平臺、臨床醫師以及生活常識。提醒類型包含“飲食”“起居”“運動”“用藥”4種類型。提醒接收人大部分情況下是用戶本人,在緊急情況下是用戶的親屬或醫生。部分實例化的規則及提醒如表5所示。

表5 健康管理規則及提醒實例化

以在戶外紫外線較強時提醒用戶出門做好防曬措施的規則為例,參照前文定義的本體結構和關系,可將該規則分解為如下實例。

使用嵌入在protégé中的SWRL(Semantic Web Rule Language)進行規則構建和推理。SWRL是以語義方式呈現規則的一種語言,可被視為規則和本體論的結合。與其他本體相同,規則本體也可以實例化,規則本體庫也具有可擴展性。因此,在構建規則庫的過程中,可根據實際需求增加、刪除及修改規則。

3.3 系統實現與推理結果展示

以前文建立的領域本體模型為依據,完成數據庫、頁面樣式和交互邏輯設計。利用Microsoft SQL Server 2014 實現數據庫系統的基本功能,同時利用JavaScript,CSS與HTML5相結合,實現頁面的展示與交互效果,展示效果如圖5所示。圖5右圖是當前用戶場景數據展示界面效果圖。通過此界面,用戶可查看當前個人狀態及周圍環境信息,并對其中由用戶提供的信息進行添加和修改。圖5左圖是基于場景數據庫、規則庫進行推理,得出符合老人場景的健康提醒,并將提醒展示給用戶的效果圖。基于場景的健康管理提醒智能生成功能將部署到項目組的“天天健”健康管理APP中,成為其中的一個重要功能。

圖5 系統實現效果圖

4 結語

建立場景庫是進行智能化、個性化健康管理的基礎。對場景庫進行應用和優化則需要物聯網智能設備、機器學習、軌跡分析、GPS 定位技術、計算機視覺、語音識別以及自然語言處理等多種技術的配合。計算機視覺技術可以用于識別個體的衣著、動作以及個體所處的環境;軌跡分析、機器學習技術能夠對個體的軌跡進行分析和預測,提高場景庫的可用性;語音識別和自然語言處理技術可以通過處理個體及其周圍環境產生的音頻信號而獲取更多的信息,有利于系統的優化。總之,場景庫是一個用于存儲個體實時信息的數據結構。而如何獲取個體的實時信息,則需要多種技術的協同配合。場景庫中存儲的是對個體所處狀態的全方位描述的信息,因此,對場景庫的建立和使用就不可避免地要考慮到個體的隱私問題。使用加密算法對個體數據進行加密,采取一定防護措施確保物聯網設備不被非法攻擊和利用,對個體的歷史數據進行妥善存儲,都是保護個體隱私的有效方式。

場景庫可視為對現實世界的抽象描述。描述的粒度可根據實際情況和個體需求進行調整。例如,針對糖尿病患者,可在個人信息類中對糖尿病的描述進行細化,加入糖尿病類型、血糖值、糖基化血紅蛋白等屬性。建立場景庫的根本目的是實時地為個體推薦與其場景契合的健康管理方案。這一過程需要健康管理知識庫作為支撐。例如,如果場景庫中的信息顯示當前個體是糖尿病患者,那么,健康管理知識庫就應以“糖尿病患者”為前提,輸出相應的健康管理方案。因此,構建強大的、內容豐富的健康管理知識庫是使用場景庫的必要前提。

本文采用領域本體建模方法,對用戶場景以及健康管理規則構建模型,并依據實際情況對用戶場景本體模型實現了實例化。同時,利用SWRL 語言實現了用戶場景觸發健康管理規則,生成健康管理提醒的過程。最終,采用敏捷開發的方法完成數據庫和前端的設計和開發,實現了將用戶場景以及依據用戶場景生成的健康管理提醒展示給用戶的功能。在實際使用過程中,用戶個人狀態和周圍環境信息收集要借助物聯網可穿戴設備的數據接口、醫院的電子病歷數據、氣象API接口等。同時,在數據的傳輸和存儲過程中,尤其要注意合理地使用加密算法,保護用戶的隱私。