ウェアラブルAIによるオンデバイスでのフレイル評価

科学分野:

• 生物医学工学
• ヘルスケアにおける人工知能
• ウェアラブル技術

背景:

• 連続的なウェアラブルモニタリングは慢性疾患に関する洞察を提供するが、エネルギー需要と大規模データセットの課題に直面しています。
• 既存のシステムは多くの場合、オフデバイス推論を必要とし、堅牢なネットワークインフラストラクチャと電力を必要とし、臨床統合を制限します。
• 機械学習はデータを実行可能なトレンドに凝縮できますが、オンデバイス処理は実用的で長期的な使用の鍵となります。

研究 の 目的:

• 連続的なオンデバイス生体信号分析のためのエッジAIデバイスフレームワークを開発および検証すること。
• 歩行に基づくフレイル評価のためのフレームワークの臨床的有用性とモデル安定性を評価すること。
• 長期間の着用期間にわたる高サンプリングレートの生体信号の自律的かつ縦断的な分析を実証すること。

主な方法:

• オンデバイス推論のためのエッジでの臨床グレードの生体信号取得と人工知能（AI）を統合しました。
• invivo（N=16）での歩行に基づくフレイル評価にフレームワークを使用しました。
• さらなるinvivo（N=14）および10日間の拡張着用実験を通じて、臨床的有用性、モデル安定性、およびオンデバイス推論を検証しました。

主要な成果:

• デバイスフレームワークは、長期間にわたるオンデバイス推論で臨床グレードの忠実度を達成しました。
• 歩行に基づくフレイル評価の結果は、ゴールドスタンダードの診断ツールと一致しました。
• 着用者の介入なしの連続動作と自律的な縦断的分析を実証しました。

結論:

• 開発されたエッジAIフレームワークは、実用的で長期的なウェアラブル健康モニタリングを可能にします。
• 臨床グレードの忠実度でのオンデバイス推論は、連続的な生体信号分析に実行可能です。
• この技術は、慢性疾患の診断およびスクリーニングツールを大幅に強化する可能性を秘めています。