IoT-Sentinels bereit für Cardio-Notfälle

Dieser Artikel ist Teil unserer exklusiven IEEE Journal Watch-Reihe in Zusammenarbeit mit IEEE Xplore.

Herzerkrankungen und Schlaganfall sind die beiden häufigsten Todesursachen weltweit. Und doch kann es äußerst schwierig sein, beide zu entdecken, was zu ihrem berüchtigten Ruf als stille Killer führt. Eine frühzeitige Diagnose von Herzerkrankungen – zu denen auch Komplikationen wie Herzinfarkte und Schlaganfälle gehören – würde Leben retten.

Um bei der Früherkennung zu helfen, schlagen Forscher im Vereinigten Königreich eine Phalanx von IoT-Geräten, KI und Cloud Computing vor, um Echtzeitwarnungen bereitzustellen, wenn jemand einen vermuteten kardiovaskulären Notfall erlebt.

Muhammed Golec ist Ph.D. Student der Informatik an der Queen Mary University of London (QMUL), der an der Studie beteiligt ist. „Herzerkrankungen lassen sich mit herkömmlichen Mitteln nur schwer erkennen“, sagt er und betont, dass die Diagnose häufig spezielle Tests wie Elektrokardiographie und Thalliumtests erfordert.

Glücklicherweise besteht eine Spezialität der KI darin, Anomalien in Daten zu erkennen und Feinheiten in Situationen zu erkennen, die für das menschliche Auge weniger offensichtlich sind. Daher schlägt Golec vor, dass IoT-Geräte (einschließlich Smartwatches und andere tragbare Geräte) verwendet werden können, um die Vitalfunktionen einer Person zu überwachen und diese Daten dann an die Cloud zu übertragen, wo sie von einem KI-Algorithmus analysiert werden. Wenn bei der Person eine kardiovaskuläre Komplikation auftritt, sendet das System automatisch eine Warnung an den Arzt und/oder den nächstgelegenen Gesundheitsdienstleister. Die Plattform heißt HealthFaaS – eine Anspielung auf den beliebten Cloud-Computing-Begriff „Function as a Service“ (FaaS).

Golec und seine Kollegen beschreiben in einer am 18. Mai im IEEE Internet of Things Journal veröffentlichten Studie, wie sie HealthFaaS erstellt und getestet haben. Die Forscher analysierten fünf verschiedene KIs, die auf die Erkennung von Herzkomplikationen trainiert wurden, basierend auf Faktoren wie Genauigkeit, Präzision, Erinnerung und Rangfolgevorhersagen. Die Ergebnisse zeigten, dass die Modelle eine Genauigkeit bei der Erkennung von Herzkrankheitsrisiken zwischen 83 und 92 Prozent erreichten.

Als Nächstes bewertete das Team, wie gut das bestplatzierte Modell (genannt LightGMB) auf einer serverlosen Plattform (Google Cloud Functions) im Vergleich zu einer nicht serverlosen Plattform (Heroku) funktionierte. Sie fanden heraus, dass eine serverlose Plattform einen höheren Durchsatz und eine geringere Latenz erreicht als die nicht serverlose Plattform – insbesondere, wenn die Anzahl der Benutzer steigt.

Angenommen, 500 Personen nutzen das System gleichzeitig. Wenn die Anzahl der Benutzer plötzlich auf 10.000 ansteigt, stürzen nicht-serverlose Plattformen ab und können möglicherweise nicht reagieren. „Aber die serverlose Plattform kann ohne Absturz reagieren, indem sie die Ressourcen automatisch erhöht“, sagt Golec. „Mit HealthFaaS haben wir eine serverlose Plattform verwendet, da sie dank ihrer dynamischen Skalierbarkeit auf eine große Anzahl von Benutzern gleichzeitig reagieren kann. Sie bietet außerdem Vorteile wie eine geringere betriebliche Komplexität und eine nutzungsbasierte Preisgestaltung.“

Er weist jedoch darauf hin, dass Datenschutz und Sicherheit immer noch ein Problem darstellen können. Um dieses Problem anzugehen, schlägt er vor, Sicherheitsmethoden wie Blockchain, OAuth 2.0 und Transport Layer Security zu HealthFaas hinzuzufügen.

Golec sagt, er würde in Zukunft gerne einen neuen Rahmen schaffen, um Sicherheit und Datenschutz in intelligenten Gesundheitssystemen zu gewährleisten. Er denkt auch darüber nach, KI und serverloses Computing zu kombinieren, um die Recheneffizienz für zeitkritische IoT-Anwendungen wie die sofortige Patientennachsorge und autonome Fahrzeuge noch weiter zu steigern.

HealthFaaS: KI-basiertes intelligentes Gesundheitssystem für Herzpatienten mithilfe von Serverless Computingwww.youtube.com