استفاده از اینترنت اشیا برای مراقبت از سلامت شخصی در خانه‌های هوشمند

مقدمه

تخمین زده شده است که جمعیت جهان تا سال ۲۰۵۰ به میزان ۲٫۳ میلیارد نفر افزایش خواهد یافت. برای آماده شدن بیشتر برای چنین واقعه‌ای، صنعت سلامت شخصی درحال تجربه تغییراتی است. همچنین صنعت مرتبط با سلامت شخصی درحال تغییر از وضعیت واکنشگر به یک وضعیت کنشگر برحسب تشخیص زود هنگام شرایط، مدیریت سلامت و جلوگیری و سلامت طولانی مدت است. برای تبدیل کردن این دیدگاه به واقعیت، کنترل شرایط سلامت شخصی و مدیریت سلامت افراد باید در اولویت قرار گیرد. هدف تأمین خدمات سلامت بهتر و بهبود کیفیت زندگی شهروندان است که به‌طور اتوماتیک افراد را به‌سمت تکنولوژی اینترنت اشیا (IoT) رهنمون می‌کند‌. این تکنولوژی نقش کلیدی در بررسی، توسعه و تداوم خدمات و راه‌حل‌های سلامت شخصی هوشمندانه‌تر و متصل‌تر نقش اساسی ایفا می‌کند. این خدمات می‌تواند منجر به کنترل مداوم شرایط فیزیکی و پردازش اتوماتیک شود. درواقع این کنترل‌ منجر به تولید وقایع شده که موجب ایجاد شرایطی مانند فشارخون بالا و استرس می‌شوند. همچنین پیش‌بینی ماشین‌های ذخیره، مناسب برای ذخیره وقایع است که درنهایت منجر به تشکیل رکوردهای سلامت الکترونیکی می‌شوند (EHR). این کار به پزشکان و بهیاران کمک‌ می‌کند تا تشخیص بهتری از بیماری داشته و تشخیص زودهنگام شرایط فیزیکی را در زمان نزدیک‌تر مقدور می‌سازد. درنتیجه یک دنیای جدید ساخته می‌شود که در آن IoT با هوش محیطی (برای ارائه خدمات سلامت شخصی به افراد ناتوان و پیر در خانه‌های هوشمند) ترکیب شده است. این نوع زندگی را زندگی کمک گرفته‌شده توسط محیط (AAL) می‌نامند؛ اما دستگاه‌های M2M که در خانه‌های هوشمند یا انیستیتوهای پزشکی به‌کارگرفته می‌شوند، غیرهمگن و چندوجهی هستند و به‌صورتی طراحی شده‌اند که قیمت اندکی داشته و منابع محدودی را لازم داشته باشند. بنابراین این دستگاه‌ها نمی‌توانند به‌صورت مستقیم پردازش داده‌های پیچیده را انجام دهند، منابع ضروری را کشف کنند، داده‌ها را در حافظه ذخیره کنند و به‌طور اتوماتیک خودشان را مدیریت کنند یا مکانیسم‌های امنیتی پیشرفته‌ای را به‌کار گیرند. این وضعیت چند چالش را برای به‌کارگیری IoT در سلامت شخصی خلق می‌کند و هدف این مقاله بررسی همین چالش‌ها است.

این مقاله یک ساختار IoT را تشکیل می‌دهد که خدمات سلامت شخصی هوشمند و متصل به یکدیگر را برای افراد داخل خانه‌های هوشمند به ارمغان آورد. کنترل مداوم پارامترهای فیزیکی با استفاده از حسگر پوشیدنی بسیار ضروری است. این حسگرها متناظر با دامنه سلامت الکترونیکی هستند. کارشناسان این حوزه حسگرهایی را نیز درنظر می‌گیرند که در دامنه خانه‌های هوشمند برای به‌دست آوردن درک بیشتر شخص از محیط استفاده می‌شود. این کار باعث شده که به ساختار کنترلی اجازه داده شود تا داده‌های اندازه‌گیری حسگرها از دامنه‌های مختلف را ترکیب کند. این ساختارها می‌تواند برای ارائه راه‌حل‌هایی مانند تنظیم اتوماتیک دمای محیط برای یک شخص که سرماخوردگی دارد، استفاده شود که این تصمیم براساس دمای بدن که توسط حسگر پوشیدنی اندازه‌گیری‌شده، گرفته می‌شود. تکنولوژی‌های دستوری برای ترکیب داده‌های حسگرهای مختلف از دامنه‌های مختلف و تولید هوش قابل اعمال استفاده می‌شوند. این کار با استفاده از ساختار اندازه‌گیری ماشین به ماشین (M3) انجام خواهد شد.

1. II. کارهای مرتبط

مجموعه بزرگی از کارهای تحقیقاتی در زمینه‌های سلامت الکترونیک و AAL و محاسبات ساختاری به‌کار گرفته‌شده در خدمات سلامت موجود است. کارشناسان این حوزه کارهای مرتبط را خلاصه کرده‌ و محدودیت‌های آن‌ها را در این بخش بررسی می‌کنند.

محققان یک دسته از خصوصیات عملکردی برای سیستم‌های سلامت مبتنی بر تلفن‌همراه را مشخص کرده‌اند.

داده‌های سلامت (EHR) قلب هر سیستم سلامت را تشکیل می‌دهند. وظایف دیگری که باید توسط چنین سیستم‌هایی انجام ‌شود، شامل قابلیت در دسترس بودن ساده، روش استفاده ساده، به‌صرفه بودن اقتصادی و به‌کارگیری ساده است؛ اما این مقاله نیازهای را که برای تأمین سیستم‌های سلامت مشتری‌ است، مورد بررسی قرار نخواهد داد.

محققان اشاره کرده‌اند که در میان تکنولوژی‌های ارتباطی حال حاضر، ۶LoWPAN، بلوتوث کم‌انرژی (BLE) و NFC برای جنبه‌های مختلف سیستم‌های سلامت مناسب هستند. NFC برای بیماران و چک کردن وضعیت سلامت آن‌ها مفید است. BLE را نیز می‌توان برای جمع‌آوری اطلاعات چند بیمار استفاده کرد و ۶LoWPAN را می‌توان برای ارتباط با هر سیستمی که IPv6 آن فعال‌شده، استفاده کرد.

ساختار پیشنهادی شامل تجهیزات پوشیدنی است که داده‌های بیمار را جمع‌آوری کرده و آن‌ها را به تلفن‌های هوشمندی که به‌عنوان یک درگاه واسط عمل می‌کنند، منتقل می‌کند. درنهایت این داده‌ها با استفاده از تجهیزات وب RESTful به یک ابر دوردست و با حفظ امنیت سر به سر منتقل می‌شوند. هدف اصلی سکوی محاسبات ابری و مدیریت داده‌های بیمار است؛ اما این روش، بیمار را برای کسب مفهوم سطح بالا از داده‌های به‌دست آمده از تجهیزات پوشیدنی تجهیز نکرده و از تکنولوژی‌ وب ساختاری استفاده نمی‌کند. فقط یک جنبه متفاوت از میان روش‌های استفاده از XMPP به‌عنوان وسیله‌ای برای ارتباط وقایع بوده؛ اما ارتباطات درونی بین روش‌های دیگر درنظر گرفته نشده است.

1. تحلیل نیازمندی‌ها

• نیازمندی اول ساختار سلامت شخصی موجودیت و یکپارچگی یک زیرسیستم تولید داده است تا پارامترهای فیزیکی از آن استخراج شود.
• سیستم ساختار کلی نیز نیازمند یک زیرسیستم پردازش و ذخیره داده‌ها است؛ زیرا تجهیزات تولید داده به‌دلیل کمبود منابع نمی‌توانند این وظایف را انجام دهند.
• زیرسیستم‌های ذخیره و پردازش داده‌ها باید بتوانند بدون توجه به تکنولوژی‌های ارتباطاتی که در یک زیرسیستم شبکه استفاده می‌شود، به زیرسیستم تولید داده دسترسی داشته باشند.
• این ساختار نیازمند یک زیرسیستم برای مشتری است که داده‌ها و راه‌حل‌های سلامت شخصی را دریافت کند.
• زیرسیستم مشتری باید از کشف منابع برای کشف تجهیزات M2M موجود در زیرسیستم تولید داده پشتیبانی کند و زیرسیستم مناسب را برای جمع‌آوری داده‌ها انتخاب کند.
• یک ساختار مدیریت تجهیزات برای ردیابی تجهیزات ثبت شده و ساختار آن‌ها مورد نیاز است.
• زیر سیستم ذخیره و پردازش باید شامل مکانیسم‌هایی برای تولید مفهوم سطح بالا از داده‌های خام باشد. این یک سنگ بزرگ در راه رسیدن به سلامت شخصی هوشمندتر و مرتبط است.
• بسته به درخواست مشتری، زیرسیستم پردازش و ذخیره باید بتواند داده‌های خام یا داده‌های پردازش شده را منتقل کند (مفهوم سطح بالا).
• تعامل بین زیرسیستم‌های اشاره شده باید با استفاده از قوانین RESTful به‌صورت بدون وضعیت رخ دهد.
• سیاست‌های کنترل دسترسی مناسب باید تقویت شوند تا به کاربران مجاز اجازه دهند از راه‌حل‌های سلامت شخصی استفاده کنند.
• سیستم کلی باید بتواند خدمت توافق‌شده را برای اتفاق افتادن یک لیست از وقایع که برای هشدار است، ارائه دهد.
• به ساختار باید اجازه داده شود تا با محیط خانه هوشمند براساس هشدارهایی که دریافت می‌کند، واکنش نشان دهد. این روند نیازمند یک زیرسیستم فعال‌سازی است.
• از نظر مشتری، ساختار باید شامل زمان عکس‌العمل کوتاه، QoS بالا، تعامل ساده با کاربر و یکپارچگی شبکه اجتماعی باشد. قابلیت استفاده، بازیابی از خطاها و بازخورد زمانی برای سیستم‌های بر مبنای AAL ضروری است.

1. ساختار وظایف برای سلامت شخصی بر مبنای IoT

نیازهایی که در بالا به آن‌ها اشاره شد، نشان می‌دهند که نیاز به چهار زیرسیستم اصلی (تولید داده، پردازش و ذخیره‌سازی، مشتری و فعالسازی) وجود دارد.

شکل ۱ـ ساختار وظایف IoT برای سلامت شخصی

شکل ۲، اجزای ساختار وظایف Ioکه به‌صورت اجزای فیزیکی نشان داده می‌شود، از زیرسیستم‌های تولید و فعالسازی از حسگرهای پوشیدنی و سایر فعالسازها تشکیل شده است. اجزای زیرسیستم‌های پردازش و ذخیره به‌طور گسترده به زیردسته‌هایی تقسیم‌ می‌شود که عبارت از (i) مدیر پروکسی، (ii) مدیر تجهیزات، (iii) کشف، و (iv) پردازش و ذخیره داده است. این زیرسیستم‌ها باید در یک درگاه M2M یا یک ابر شخصی به‌کارگرفته شوند. زیرسیستم شبکه یک شبکه منطقه‌ای M2M تشکیل می‌دهد (با استفاده از بلوتوث هوشمند، ZigBee یا Wi-Fi با توان کم) که شامل درگاه M2M، حسگرها و عملگرها (فعالسازها) است. درواقع زیرسیستم مشتری با تلفن‌همراه مشتری‌ها (تلفن‌های هوشمند) مقایسه می‌شود.

شکل ۲ـ اجزای ساختار وظایف IoT

1. لایه استنباط

این لایه از زیرسیستم‌های تولید و فعالسازی، یعنی تجهیزات M2M شامل حسگرها و عملگرها (فعالسازها) تشکیل شده است. رصد مداوم پارامترهای فیزیکی گام اول به‌سوی سلامت شخصی و هوشمندتر است. بنابراین تجهیزات پوشیدنی دارای حسگرها ارائه شده‌ تا داده‌هایی درمورد پارامترهای حیاتی اشخاص جمع‌آوری کنند. به‌طور همزمان حسگرها و عملگرهایی برای خانه‌های هوشمند و (i) برای فراهم کردن فهم عمیق‌تر از محیط شخص و (ii) تسهیل هوشمند‌سازی خانه تعبیه شده‌ است.

1. لایه پروکسی

ممکن است حسگرهای پوشیدنی و دیگر حسگرها و عملگرها برای خانه‌های هوشمند با استفاده از تکنولوژی‌‌های مختلف با یکدیگر ارتباط داشته باشند. این ساختار از یک مدیر پروکسی استفاده می‌کند که شامل درایورهای ضروری برای این تکنولوژی‌ها است.

مدیر پروکسی که دارای پروکسی داخلی و پروکسی بیرونی است شامل مجموعه پروکسی خواهد بود که در شکل ۱ نمایش داده شده است.

1. پردازش و ذخیره داده‌های M2M

داده‌های خام تولیدشده توسط حسگرهای پوشیدنی هیچ اطلاعات مفیدی را ارائه نمی‌دهند؛ همچنین روش واحدی برای «i» تفسیر داده حسگر، «ii» ترکیب داده حسگر تولیدشده در زمینه‌های مختلف، «iii» تأمین ارتباط درونی بین داده‌های M2M و «iv» کمک به برنامه‌نویس‌ها در انجام این امور وجود ندارد. ساختار اندازه‌گیری ماشین به ماشین (M3) این مشکلات را بر مبنای کاربردهای IoT کاهش داده است. M3 جزء اصلی تأمین سلامت شخصی هوشمندتر با استفاده از ساختار IoT است.

پردازش داده M2M از سناریو «طبیعت‌درمانی» ساختار M3 استفاده می‌کند. این فرایند شامل یک موتور استدلال است که به‌صورت ساختاریافته‌ای داده‌های حسگر (مانند دمای بدن) را به‌صورت یک مفهوم سطح بالا (مانند تب) تفسیر می‌کند. در نهایت داده‌های منتج به دانش زمینه مرتبط ارتباط داده می‌شوند (مانند هستی‌شناسی و داده‌هایی در زمینه سلامت الکترونیک) تا از هوش بیشتر آن بهره گیرند، بنابراین چنین داده‌هایی با دانش میان زمینه‌ای گره می‌خورد. به‌طور مثال داده‌های طبیعت‌درمانی پیشنهاد می‌کنند که عسل و لیمو برای تب مفید است. در اینجا، تب یک علامت در داده‌های سلامت الکترونیک است و عسل و لیمو پیشنهادهایی برای تب در دسته داده‌های غذایی است. M3 روش ساده‌ای برای ترکیب چنین دانش‌های بین زمینه‌ای ایجاد می‌کند.

برای کمک به برنامه‌نویسان در ساخت نرم‌افزارهای سلامت هوشمند، تولید SWoT درنظر گرفته شده است. این ابزار یک ساختار تولید می‌کند که شامل هستی‌شناسی M3، مجموعه داده‌های M3 و قوانین M3 موردنیاز برای تفسیر و غنی‌سازی داده‌های M2M (توسط حسگرهای پوشیدنی تولید می‌شود) با دانش زمینه برای ساخت نرم‌افزار است. تولیدکننده از داده‌های حسگر پوشیدنی (مانند دمای بدن) و اطلاعات زمینه (مانند سلامت الکترونیک) به‌عنوان داده‌ها برای تولید ساختار و برنامه‌نویس استفاده می‌کند. گام بعدی بر تفسیر مفهومی داده‌های حسگر تأکید دارد و منجر به تشکیل EHR می‌شود که پزشکان و دیگر افراد مرتبط با حفاظت از سلامت مردم را قادر به تشخیص شرایط دارویی می‌کند.

شکل ۳ـ جریان عملیاتی ساختار M3

1. D. کشف منابع

زیرسیستم‌های ذخیره‌سازی، پردازش و مشتری نیازمند مکانیزم‌هایی برای کشف اتوماتیک منابع هستند. این موضوع به آن‌ها اجازه می‌دهد تا کشف کنند که آیا یک حسگر مطلوب (مانند حسگر دمای بدن) یا یک عملگر (مانند کنتورول دمای اتاق) درحال حاضر در ساختار IoT ثبت شده است یا خیر؛ همچنین آن‌ها در مورد خواص، قابلیت‌ها و URIها برای دسترسی به تجهیزات M2M و برای تولید داده در مورد پارامترهای فیزیکی آموزش می‌بینند.

1. H. عضویت و هشدار

ماژول عضویت و هشدار به مشتری اجازه می‌دهد تا در سیستم دریافت هشدارهای درمورد وقایع مرتبط با سلامت شخصی عضو شود. این وقایع توسط موتور استدلال منطقی در ساختار M3 تولید می‌شود. هشدار رو به جلو توسط سیستم پیام‌رسان ابری گوگل (GCM) و برای نرم‌افزارهای تلفن‌همراه با سیستم عامل اندروید و توسط سیستم هشدار رو به جلو اپل (APN) و  نرم‌افزارهای مبتنی بر iOS فعال می‌شود. این ماژول پزشکان، بیمارها و بستگان را قادر می‌سازد تا هشدارهایی در رابطه با شرایط سلامت خود دریافت کنند که یک جنبه مهم از خدمات سلامت شخصی را تشکیل می‌دهد. عملگرها نیز باید بر مبنای این هشدارها کار کنند. برای مثال اگر تب توسط یک ساختار M3 تشخیص داده و این حالت به بیمار اطلاع داده شود، مرحله دوم می‌تواند توسط عملگرها برای تغییر دمای اتاق انجام شود. این روند متناظر با کنترل تجهیزات خانه هوشمند و بر مبنای اندازه‌گیری حسگر سلامت الکترونیک بوده و این موارد جنبه‌ای دیگر از ساختار IoT است.

1. لایه تواناسازی خدمات

این لایه با مشتری‌ها تعامل داشته و به آن‌ها اجازه می‌دهد تا «i» داده‌ها را مصرف کرده و دستورهای عملیاتی به زیرسیستم‌های عملگر و تولید ارسال شود. «ii» تنظیمات را برای مدیریت تجهیزات اضافه، کم یا تصحیح کرده، «iii» تجهیزات M2M و قابلیت‌های آن‌ها را کشف می‌کند، «iv» برای دریافت هشدارهای رو به جلو ثبت‌نام کرده و (v) سیاست‌های کنترل دسترسی را اعمال خواهد کرد.

1. IV. به‌کارگیری نمونه و ارزیابی عملکرد

این مقاله یک نمونه از یک نرم‌افزار اندرویدی در زیرسیستم مشتری و یک درگاه M2M را تشریح می‌کند که دارای زیرسیستم‌های پردازش و ذخیره‌سازی است. این نمونه تست شده با استفاده از فراداده حسگر زمان واقعی که از یک حسگر دمای بدن پوشیدنی و دیگر حسگرهای در یک خانه هوشمند به‌کارگرفته شده است. همچنین از یک عملگر کنترل‌کننده دما استفاده می‌شود.

1. به‌کارگیری موبایل: تجهیزات اتصال و کنترل

درنظر گرفته شده است که زیرسیستم‌های مشتری در این ساختار از تجهیزات تقویت‌شده توسط اندروید تشکیل شده‌ است. این تجهیزات توسط یک نرم‌افزار موبایلی نمونه به‌نام «تجهیزات کنترل و اتصال» (CCT) تجهیز شده‌اند. خدمات سلامت شخصی توسط CCT به مشتریان ارائه می‌شود. در ابتدا نرم‌افزار به درگاه M2M در یک نقطه ورودی مشخص اتصال پیدا می‌کند. وقتی اجازه ورود پیدا کرد، به مشتریان اجازه می‌دهد تا حسگرها و عملگرهای ثبت‌شده در درگاه را شناسایی کنند. سپس مشتری می‌تواند یک حسگر را از خانه هوشمند برای ترکیب فراداده آن با فراداده حسگر دما ترکیب کند. همچنین CCT یک لیست از وقایع را که ثبت‌نام برای آن‌ها و دریافت هشدار انجام شده، ارائه می‌دهد. این سیستم نیز اجازه فرستادن دستور به عملگرها را می‌دهد.

1. درگاه M2M

خدمات وب درگاه M2M در پایتون و به‌وسیله ساختار فلاسک تهیه شده‌ و در تجهیزات محدودی در خانه هوشمند به‌کار گرفته شده‌ است.

1. ارزیابی عملکرد

عملکرد نرم‌افزار اندروید براساس نیازمندی مقدار حافظه، میزان استفاده از CPU و میزان مصرف انرژی برآورد شده و نتایج ارائه شده به این ترتیب است:

استفاده از حافظه: نرم‌افزار نیازمند کمتر از ۳٫۵ مگابایت حافظه در تجهیزات اندرویدی است. بنابراین طراحی و به‌کارگیری CCT بسیار سبک است.

استفاده از CPU: این پارامتر در چهار فاز اندازه‌گیری شده است: «i» کشف، «ii» ارزیابی حسگر، «iii» مدیریت تجهیزات مرتبط با وظایف و «iv» عملگر.

دریافت شد که بار CPU کمتر از ۲ درصد است؛ زیرا هیچ محاسبه پیچیده‌ای مورد نیاز نخواهد بود. استفاده کلی از CPU کمتر از این میزان بوده؛ زیرا به عملیات شبکه و پردازش فراداده مبتنی بر JSON مبتنی است.

مصرف انرژی: متوسط مصرف انرژی در طول عمر CCT اندازه‌گیری شده است. در یک تلفن همراه سامسونگ گلکسی S3 که با سیستم عامل اندروید کیت‌کت کار می‌کند، هنگامی‌که داده‌های موبایل را بررسی کرده و در هنگام استفاده از Wi-Fiبه‌ترتیب mW 298 و mW 259 انرژی مصرف می‌کند.

شکل ۴ـ جریان عملیات هشدار رو به‌ جلو

1. V. نتیجه‌گیری

 به‌طور خلاصه، این مقاله به‌کارگیری ساختار IoT در راه‌حل‌های سلامت شخصی هوشمندتر و متصل در خانه‌های هوشمند را بررسی می‌کند. نیازهای چنین خدمات سلامتی تحلیل شده، سپس به زبان ساختار تابعی ترجمه می‌شود‌ و اجزای این ساختار به‌صورت فراساختار فیزیکی نمایش داده خواهند شد. این اجزای تشریح‌ شده و جنبه‌های نوین آن مورد توجه قرار می‌گیرند. مرکز سیستم سلامت پیشنهادی پردازش داده‌های M2M با استفاده از ساختار M3 است. این پردازش از موتور استدلال منطقی برای تولید هوش قابل اجرا با استفاده از داده‌های حسگر پوشیدنی استفاده کرده و آن را با حسگر خانه هوشمند برای تولید سناریوهای بین دامنه‌ای ترکیب می‌کند. نمونه‌های نرم‌افزار تلفن‌همراه مشتری و درگاه M2M همراه با نتایج ارزیابی عملکرد آن‌ها تشریح می‌شوند.

منبع: گروه ارتباطات سیار دانشگاه Eurecom فرانسه