【原】物联网在智能医疗中的不确定性：挑战和机遇

物联网的发展已经经过了一些年头了，在健康管理方面拥有着很大的潜力。借着2020年ICOST大会中给出的资料，让我们来看看这个领域的专家们如何看待物联网在智慧健康中承担的角色、挑战以及机遇。

从整篇文章看，列举了许多关于个人健康信息监测的项目，并梳理了这些项目所产生的数据要应用到健康管理和健康预测等方面所面临的挑战。这些挑战包括如：不同设备之间无法互通，数据隐私和安全，可穿戴设备的电池续航能力不足，可穿戴设备测量身体指标准确和灵敏度不足，传输网络和计算能力不足等问题。

从个人所关心的健康管理角度来看，这些挑战是确实存在的。特别是电池续航能力，身体指标测量的准确性，以及要使用过多设备或者设备之间通信能力不足，是最影响健康管理实施效率和效果的。文中提到的个人健康信息监测项目有利于扩展我们日常健康管理工具的选择，同时让我们知道这些创新者想要把我们带往哪个方向。而文中提出的挑战也辅助我们思考：我们需要的理想的健康管理设备应该长什么样子？

ICOST第18届国际会议，在2020年6月24-26日进行。大会将来自卫生保健、公共卫生、学术界和工业界的利益相关者以及终端用户和家庭护理人员聚集在一起，探讨如何利用技术促进健康预防、独立生活和提高生活质量。着重讨论AI在健康、智能城市环境、辅助技术、慢性病管理以及辅导和健康远程数据系统的设计、开发、部署和评估方面的研究。以下是《物联网在智慧医疗中的不确定性：挑战和机遇》全文翻译版，来源于2020 M. Jmaiel等人（版本）：ICOST 2020，LNCS 12157，第232-239页，2020。https:///10.1007/978-3-030-51517-1_19。

---

Anis Tissaoui(B)and Malak Saidi

VPNC Lab, FSJEG, University of Jendouba, Jendouba, Tunisia

[e-mail], [e-mail]

摘要：根据Knight，不确定性意味着偏离预期状态，这使我们无法使用任何概率来给行动或决策以确定的结果[1]。本文描述了面对技术巨大趋势的不确定性现象以及与之相关的挑战。本文重点分析了最重要的技术趋势之一——物联网(IoT)——在医疗保健领域中的不确定性。正确的决定并不总是等同于良好的结果。有时，按照一般规则作出的决定比打破这些决定的人带来的结果更差。由于未来预测所伴随的不确定性，这种情况是可能的。在本文中，IoT的概念被视为一个大的、复杂的、具有特定特征、维度的动态系统。本文的目的是在医疗保健发展的背景下分析可能决定此类系统不确定性和歧义的因素，并对未来的研究方向提出建议。

关键词：不确定性·物联网·智慧医疗

1 引言

物联网的基本思想是我们周围无处不在的各种东西或物体——例如射频识别(RFID)标签、传感器、执行器、手机等——通过独特的寻址方案，能够相互影响并与邻居合作达到共同的目标[7]。

物联网的出现正在改变人们的生活，改变他们与周围环境的融合。据估计，连接的IoT设备数量将超过世界人口，到2020年底将增加到500亿[2]。IoT的技术演变也刺激了智能家居的发展。它不仅使人们的日常生活更加方便，而且可以为医疗系统的挑战贡献解决方案[3，4]。

应用IoT解决方案的关键领域和应用程序（如图1所示）包括[5]：智能城市、智能电网、智能交通和智能建筑（智能生活解决方案）。这个榜单还包括本文的主要课题之一——智能医疗。

IoT领域是一个有潜力的技术领域，为发展提供了巨大的机会。由于物联网是一个相对较新的领域，它在IoT技术以及与该领域（或将相关）的方面（如社会、经济、技术、法律等）都具有高度不确定性。方面[6]。IoT系统的各种特征、结构和行为超出了迄今为止已经观察到的领域，并且在经验验证的知识范围内，这对未来的情况产生了显著的不确定性。

医疗保健正从传统的以医院和专科为中心的方法快速转变为以患者为中心的分布式方法。与医疗保健相比，IoT应用在重塑个体生活中的重要性尚不清楚。物联网向实体设备表示，像一个测量系统、体重秤和患者非常重要的观察设备（葡萄糖、单位面积的力量、生命体征、活动观察等）与网络连接，将数据从实体转换成数字世界。

目前，广泛使用IoT的医疗保健正在不断发展，以适应未来智能医疗保健应用的需求。这将在设备的异质性、可伸缩性、无线数据传输技术的广泛使用、最佳能量使用、数据管理、隐私保护带宽、数据速率和延迟等因素方面提出复杂的要求。

在医疗保健领域，在创新方案的评估中区分了各种类型的不确定性：参数不确定性、结构不确定性、方法学不确定性、变异性、异质性和决策不确定性[12]。文章通过使用智能医疗的例子，阐述了大型、开发中的系统即物联网中发生的不确定性现象。

2 医疗保健中的IoT

包括工业和公共部门在内的所有部门应用IoT技术在提高运营效率、降低成本并提供更好的服务上有很大潜力。在医疗保健领域，IoT在各种应用中发挥着非常重要的作用。该标准分为三个阶段，例如临床护理、远程监测和环境意识。在数据采集过程中，通过自动医学数据采集方法降低了人为错误的风险。这将提高诊断质量并降低人为错误的风险，因为这些错误涉及收集或传播对患者健康有害的虚假信息。已针对不同方面的医疗保健进行了审查。

Arcadius等人解释了基于健康IoT设备的WBAN（Wireless Body Area Network,体域网）在人与人之间进行沟通的护理应用程序[13]。作者认为，IoT是未来整个互联网的一部分，IoT中使用了通信解决方案、跟踪技术、有线和无线传感器识别等技术。

Jara等人描述了基于IoT的m-healthcare应用的互连框架[14]。沟通过程和信息访问过程具有个性化的健康端到端框架。个性化数据复杂，发现方式不完整。因此，作者介绍了基于IoT的m-healthcare应用的互连框架。通过互联网系统，为患者设备的健康监护引入技术创新，形成了持续、实时的生命体征监测系统。

Qi等人[7]从不同的角度探讨了IoT在智能医疗中的各种应用（即血压监测、血氧饱和度监测、心跳监测等）。Islam等人专注于基于IoT的医疗保健技术，并呈现医疗保健网络和平台的架构，支持访问IoT骨干，并实现医疗数据接收和数据传输。其次，本文提供了详细的研究事件，以及IoT如何解决慢性疾病监督、儿科、老年人护理和健身管理[8]。

Catarinucci等人基于IoT感知架构的智能医疗系统建模[15]。作者介绍了用于自动监测和跟踪患者生物医学信息的IoT感知架构。他们还提出了智能医院系统，具有使能技术，特别是对于无导线网络和智能移动，使网络基础设施成为可能。因此，它提供了患者生物医学信息的高效实时监测。此外，隐私是该系统中的一个开放问题；Baker等人[9]提出了未来智能医疗系统的新模型，可用于特殊（即特殊条件监测）和一般系统。如今，在全世界范围内，有许多人由于缺乏有效的医疗保健监测。老年人、儿童或慢性病人几乎每天都需要检查。远程监测是许多现实世界应用的重要范例。

上下文感知是医疗保健IoT应用程序的主要标准。由于它能够发现患者的状况和患者所处的环境，因此将极大地帮助医疗保健专业人员了解可能影响这些患者健康状况的变化。此外，患者身体状态的变化可能会增加其疾病易感性的百分比，并导致其健康状况恶化[10]。

Mahmoud等人[11]重点关注无线身体区域网络(WBAN)中基于IoT的不同医疗保健系统，该系统可实现智能医疗保健数据接收和数据传输。作者详细介绍了与基于IoT的智能医疗相关的资源管理、权力、精力、安全和隐私。

3 不确定现象的特征

3.1 定义不确定性

不确定性的概念包括多个方面和含义。不确定性概念在各种科学学科以及日常语言中的广泛应用，使其获得了许多定义。

根据F.H. Knight，不确定性意味着偏离预期状态，这使我们无法使用任何概率来确定给定行动或决策的结果[1]。E. Ostrowska遵循F. Knight的可测量和不可测量不确定度理论，将前者定义为风险，将后者定义为严格意义上的不可测量不确定度。

根据A.H. Willet，不确定性涉及难以估计的变化或由于可用信息量太少而无法预测概率的事件[16]。A. Jøsang[17]证明，严格意义上的不确定性可以使用主观逻辑来衡量。主观逻辑为     一种概率逻辑，允许概率值用不确定度表示。主观逻辑的思想是通过也表达概率值本身的不确定性来扩展概率逻辑，这意味着在证据不确定或不完整的情况下，可以用论点模型来推理。

3.2 医疗保健领域的不确定性类型

根据医疗保健领域正在研究的背景，在创新项目评估中区分了各种类型的不确定性：参数不确定性、结构不确定性、方法学不确定性、变异性、异质性和决策不确定性[12]。

结构不确定性是指围绕决策模型结构的不确定性。变异性与个体是独特的，因此其结果各不相同这一事实有关，部分可解释为个体-  特性[19]。参数不确定性与参数真实值未知的事实相关[18]。在实践中，多指围绕平均值的不精确估计值和标准误差，对应测量误差。决策不确定性是围绕决策的所有不确定性的总称，可由任何其他类型的不确定性引起[12]。方法学不确定性可以定义为支持评估的分析方法选择的差异[18]。

3.3 IoT系统中的不确定度来源

其他几个因素可能会影响IoT中不确定性的发生。影响不确定度的IoT关键特征包括：

1. 设备的异质性或互操作性：互操作性在智能医疗中发挥重要作用，使用不同的通信技术提供不同设备之间的连通性。由于缺乏通用标准，不同领域中不同器械之间的互操作性是IoT成功的关键限制。使用的大量设备意味着其计算和通信能力的高度多样性

2. 资源限制（能源、计算和储存能力）：电力使用问题至关重要。用于医疗保健的IoT设备与传感器集合连接。驱动这些器械需要持续的能量来源，这在成本和电池寿命方面构成了严峻的挑战。它们的计算和存储能力不允许复杂的操作支持（例如加密操作等）。

3. 隐私保护：安全保护不是关于加密/解密用户数据，而是关于健康社区中的用户如何在收集健康信息以增强IoT健康安全时使用信任信息过滤不值得信任的输入。由于IoT设备的限制性（有限的处理和电池寿命），很难实现复杂的安全协议和算法。这在安全和隐私方面导致了许多攻击和威胁。

4. 可伸缩性（IoT中的连通性）：每天使用的越来越多的设备的连通性。一个智能医疗网络由数十亿台设备组成。只有能够提供传感产生重要信息的能力，才能成功。

5. 数据管理：在智能医疗中，连接了数十亿的设备，可以产生海量的数据和信息进行分析。在IoT中，使用适当的数据模型和语义描述其内容、适当的语言和格式将是至关重要的。

6. 网络：IoT中的间歇性连接丢失相当频繁。事实上，IoT被认为是一个IP网络，具有更多的约束和更高的丢包率问题，与克服这个问题有关，与传输速度和数据传递的延迟有关；

7. 服务质量(QoS)：服务质量是医疗服务中使用的一个重要参数，是一个高度时间敏感的系统。在能量效率、传感数据质量、网络资源消耗和延迟方面，满足基于IoT的应用的质量要求存在巨大挑战。身体传感器的质量决定了传感器提供的准确性和灵敏度测量。

3.4 IoT系统中不确定度的原因

不确定度是大多数基于射频识别技术的IoT系统的关键问题之一。以下所列为与以下字段[20]相关的不确定原因：

• 不一致数据（无界数据、数据冲突）：RFID标记  罐  be  阅读  同时使用不同的读取器，因此可以获得关于标签准确位置的不一致数据；

• 不完整数据（噪声数据、数据丢失）：标记对象可能被盗或伪造并生成假数据。

• 模糊性数据（合理性、不精确性）：有时射频可能导致读取区域重新检测数据，因此RFID阅读器可能会读取这些读数；

• 读数缺失：标签碰撞、标签失谐、金属/液体效应、标签未对准；

• 冗余数据：捕获的数据可能包含大量额外信息；

4 结果和建议

4.1 研究挑战

1. 如何在高迁移率下保证大范围内海量IoT设备的连通性？
2. 如何保障高度密集网络的资源管理？
3. 如何利用IoT设备的功率/能量？
4. 如何延长IoT设备的电池寿命？
5. 纳入零售商锁定服务的设备。
6. 在设备和网络级别上安全集成和部署服务（基于云）。
7. 早期发现局外人和局内人的威胁。
8. 标准化安全解决方案，不会延迟数据完整性。

4.2 主要要求

1. 对信托管理机制的调整，类似于P2P和网格系统以及技术安全政策已经采用的机制；识别网络中不同级别的漏洞。它作为许多攻击的切入点。
2. 在以下层次上调整信任关系：
1. IoT实体；
2. 数据感知（传感器灵敏度、精确度、安全性、可靠性、持久性、数据收集效率）；
3. 隐私保护（用户数据和个人信息）；
4. 数据融合与挖掘；
5. 数据传输和通信；
6. IoT服务质量；
7. 接受通用标准，以应对器械和应用的多样性；
3. 创建不确定现象的模拟和模型；

参考文献

1. Knight, F.H.: Risk: Uncertainty and Profit, pp. 224–225. Beard Books, Washington (2002)

2. Evans,D.:Theinternetofthings:howthenextevolutionoftheinternetischanging everything, vol. 1, pp. 1–11. Cisco Internet Business Solutions Group (IBSG), San Jose (2011)

3. Gietzelt,M.,etal.:Home-centeredhealth-enablingtechnologiesandregionalhealth information systems an integration approach based on international standards. Methods Inf. Med. 53, 160–166 (2014)

4. Wu, W., Pirbhulal, S., Sangaiah, A.K., Mukhopadhyay, S.C., Li, G.: Optimization of signal quality over comfortability of textile electrodes for ECG monitoring in fog computing based medical applications. Future Gener. Comput. Syst. 86, 515–526 (2018)

5. Schatten, M.: Smart residential buildings as learning agent organizations in the internet of things. Bus. Syst. Res. 5(1), 34–46 (2014)

6. Brad, B.S., Murar, M.M.: Smart buildings using IoT technologies. Constr. Unique Build. Struct. 5(20), 15–27 (2014)

7. Qi, J., Yang, P., Min, G., Amft, O., Dong, F., Xu, L.: Advanced internet of things for personalised healthcare systems: a survey. Pervasive Mob. Comput. 41, 132–149 (2017)

8. Islam, S.R., Kwak, D., Kabir, M.H., Hossain, M., Kwak, K.S.: The internet of things for health care: a comprehensive survey. IEEE Access 3, 678–708 (2015)

9. Baker, S.B., Xiang, W., Atkinson, I.: Internet of things for smart healthcare: tech- nologies, challenges, and opportunities. IEEE Access 5(C), 26521–26544 (2017)

10. Perera, C., Zaslavsky, A., Christen, P., Georgakopoulos, D.: Context aware com- puting for the Internet of things: a survey. IEEE Commun. Surv. Tutor. 16(1), 414–454 (2014)

11. Dhanvijay, M.M., Patil, S.C.: Internet of things: a survey of enabling technologies in healthcare and its applications. Comput. Netw. 153, 113–131 (2019)

12. Bilcke, J., Beutels, P., Brisson, M., Jit, M.: Accounting for methodological, struc- tural, and parameter uncertainty in decision-analytic models: a practical guide. Med. Decis. Making 31(4), 675–692 (2011)Uncertainty in IoT for Smart Healthcare : Challenges, and Opportunities 239

13. Arcadius, T.C., Gao, B., Tian, G., Yan, Y.: Structural health monitoring frame- work based on internet of things: a survey. IEEE Internet Things J. 4(3), 619–635 (2017)

14. Jara, A.J., Zamora-Izquierdo, M.A., Skarmeta, A.F.: Interconnection framework for mHealth and remote monitoring based on the internet of things. IEEE J. Sel. Areas Commun. 31(9), 47–65 (2013)

15. Catarinucci, L., et al.: An IoT-aware architecture for smart healthcare systems. IEEE Internet Things J. 2(6), 515–526 (2015)

16. Janasz, K.: Ryzyko i niepewno ́s ́c w gospodarce - wybrane aspekty teoretyczne. Studia I Prace Wydzialu Nauk Ekonomicznych iZarzadzania 14, 87–98 (2009)

17. Jøsang, A.: Subjective logic. University of Oslo (2013)

18. Briggs, A.H., et al.: Model parameter estimation and uncertainty analysis: a report of the ISPOR-SMDM modeling good research practices task force working group-6.Med. Decis. Making 32(5), 722–732 (2012)

19. Grutters, J.P., et al.: Acknowledging patient heterogeneity in economic evaluation:a systematic literature review. Pharmaco Econ. 31(2), 111–23 (2013)

20. Dong, X., Yongrui, Q., Quan, Z.S., Yong, X.: Managing uncertainties in RFID applications: a survey. In: IEEE 11th International Conference on e-Business Engi-neering (2014)