01
A Review on the Application of Internet of Medical Things in Wearable Personal Health Monitoring: A Cloud-Edge Artificial Intelligence Approach
◎ 标题：可穿戴个人健康监测中医疗物联网的应用综述：一种云端人工智能方法
◎ 摘要：第五代移动通信技术（5G）时代的到来推动了医疗诊断服务的重大进步,主要由可穿戴医疗物联网（IoMT）设备产生的大量医疗数据推动。然而,IoMT 范式面临数据安全、隐私、边缘受限计算能力和处理传统容易出错数据的架构不足等挑战。在这方面,我们的研究提供了:(1)对 IoMT 推动的大规模医疗数据的全面审查,(2)探讨针对 IoMT 量身定制的普遍云边人工智能(AI)框架,以及(3)洞见将边缘联合学习(EFL)应用于医疗大数据分析,以产生安全和优质的诊断结果。我们特别强调了不断流式传输医疗数据(来自患者或医疗机构)到集中式存储库的可穿戴 IoMT 设备的蓬勃发展。此外,我们还介绍了一种联合云边 AI 蓝图,旨在将计算资源定位于靠近边缘网络的位置,以实现实时向患者提供诊断反馈。我们最后勾勒了通过 AI 集成增强 IoMT 的未来研究方向。
Table: IoMT wearables utilize wireless connections to transmit real-time health data, thereby enhancing remote monitoring and patient care. In the IoMT architecture, a cloud-based data management system comprises multiple layers designed to deliver high-quality diagnostics to the patients.
02
Artificial Intelligence-based Decision Support Systems for Precision and Digital Health
◎ 标题：基于人工智能的精准和数字健康决策支持系统
◎ 摘要：精准健康，越来越受数字技术支持，是一个拓展精准医疗范式的研究领域，推动日常医疗保健的发展。这一愿景与人工智能（AI）的突破性出现同步而进，正在重塑我们诊断、治疗和监测临床对象及大众人群的方式。由机器学习驱动的 AI 工具已在各类医疗保健领域显示了显著改进。特别是强化学习（RL）在动态治疗方案和数字健康中针对时序和动态问题的即时自适应干预方面大有希望。在本文中,我们探讨 AI，特别是 RL 为当前医疗保健趋势所带来的机遇,提供了 RL 方法在精准和数字健康背景下的方法论调研。重点关注自适应干预领域,我们在方法论调研的基础上增添了运用 RL 技术于实际应用中的说明性案例研究。
Figure: Schematic of the MRT design of the DIAMANTE Study
03
Towards integration of artificial intelligence into medical devices as a real-time recommender system for personalised healthcare: State-of-the-art and future prospects
◎ 标题：将人工智能整合到医疗设备中作为实时个性化医疗推荐系统：现状与未来展望
◎ 摘要：在大数据时代,人工智能(AI)算法有望通过改善患者结果和降低医疗成本来彻底改变医疗保健。AI 算法频繁应用于医疗保健领域的预测建模、图像分析和药物发现。此外,作为一个推荐系统,这些算法在个性化医疗保健提供方面显示出了有希望的影响。推荐系统会学习用户的行为,并根据他们以前的偏好来预测他们当前的偏好(推荐)。将 AI 实施为推荐系统提高了这种预测准确性,并解决了冷启动和数据稀疏性问题。然而,大部分方法和算法都是在模拟环境中进行测试的,无法复现现实世界的影响因素。这篇综述文章系统地回顾了推荐系统中占主导地位的方法论,并专门讨论了在医疗保健领域用作推荐系统的 AI 算法。它还就当前学术和实践领域最前沿的贡献进行了讨论,确定了性能评估指标、实施 AI 作为推荐系统的挑战,以及临床医生对基于 AI 的推荐系统的接受程度。本文的研究结果将引导研究人员和从业者理解目前已开发的推荐系统,以及与实时推荐系统相集成的医疗器械的未来。
◎ 作者：Talha Iqbal, Mehedi Masud, et al.
◎ 发表日期：2024-01-25
◎ 发表期刊：Health Sciences Review
Figure：Adopted PRISMA guidelines and retrieved papers in this review.
04
Personalized Medicine in Urolithiasis: AI Chatbot-Assisted Dietary Management of Oxalate for Kidney Stone Prevention
◎ 标题：LLaSA：通过可穿戴传感器进行人体活动分析的大型多模态代理
◎ 摘要：准确了解食物中草酸含量对于管理高草酸尿症、草酸肾病或容易形成草酸钙结石的患者来说至关重要。本研究旨在评估聊天机器人在根据食物草酸含量对其进行分类的可靠性。我们评估了 ChatGPT-3.5、ChatGPT-4、Bard AI 和 Bing Chat 将每份食物的膳食草酸含量划分为低(<5 mg)、中(5-8 mg)和高(>8 mg)三类的准确性。共处理了 539 种食物,并比较了不同聊天机器人在不同草酸含量类别的准确性。Bard AI 的准确率最高,为 84%,其次是 Bing (60%)、GPT-4 (52%)和 GPT-3.5 (49%) (p<0.001)。除 GPT-4 和 GPT-3.5 外(p=0.30),其他聊天机器人之间的准确性差异均有统计学意义。随着膳食草酸含量类别的升高,所有聊天机器人的准确性都有所下降,但 Bard AI 仍保持最高的准确性。AI 聊天机器人在划分膳食草酸含量方面存在较大差异,Bard AI 的准确性一直最高,其次是 Bing Chat、GPT-4 和 GPT-3.5。这突出了 AI 在膳食管理方面的潜力,同时也表明有必要提高聊天机器人算法的临床准确性。
◎ 作者：Noppawit Aiumtrakul ,Charat Thongprayoon, et al.
◎ 发表日期：2024-01-18
◎ 发表期刊：J. Pers. Med.
◎ 原文链接：https://www.mdpi.com/2075-4426/14/1/107
Figure：Graphical Abstract
05
Using artificial intelligence for exercise prescription in personalised health promotion: A critical evaluation of OpenAI’s GPT-4 model
◎ 标题：使用人工智能进行个性化健康促进的运动处方: 对OpenAI的GPT-4模型进行关键评估
◎ 摘要：人工智能(AI)在医疗保健领域的应用不断兴起,为个性化健康管理提供了新的可能性。AI 健身应用程序变得越来越普遍,为个性化运动处方创造了机会。然而,使用 AI 也存在专家监督不足的风险,这类应用程序的有效性和有效性尚未得到彻底调查,特别是在不同健康状况的背景下。本研究旨在批判性地评估 OpenAI 的生成式预训练变压器 4 (GPT-4) 模型为五个具有不同健康状况和健身目标的示例患者概况生成的运动处方的有效性。我们的重点是评估该模型仅通过单次初始互动生成运动处方的能力,类似于典型用户体验。该评估由运动处方领域的专家领导。我们制定了五个不同的情景,每个情景都代表一个具有特定健康状况和健身目标的假想个体。在收到每个个人的详细信息后,GPT-4 模型被要求生成一个为期 30 天的运动计划。这些 AI 生成的运动计划随后接受了运动处方专家的全面评估。评估涉及频率、强度、时间和运动类型等既定原则的遵守;对感知努力水平的整合;对用药情况和相应医疗状况的考虑;以及针对每个假设概况进行个性化调整的程度。AI 模型能够为各种情景创造注重安全的一般运动计划。然而,AI 生成的运动处方在解决个人健康状况和目标方面缺乏精准度,常常过度强调安全性而忽视了训练的有效性。这种基于人工智能的方法旨在通过逐步增加训练负荷和强度来确保患者改善,但模型通过持续互动来微调其建议的潜力并未完全满意。目前的人工智能技术可以作为在运动处方中使用的补充工具,特别是在提高无法获得通常昂贵的专业建议的个人的可访问性方面。然而,人工智能技术目前还不建议作为医疗保健和健身专业人员提供的个性化、渐进式和针对健康状况的处方的替代品。需要进一步研究探索更多交互式使用人工智能模型以及实时生理反馈的集成。
◎ 作者：Ismail Dergaa, Helmi Ben Saad, et al
◎ 发表日期：2024-01-01
◎ 发表期刊：Biology of Sport
Figure: Graphical Abstract AI-sports
