Bärbara medicinska sensorer som används i stor utsträckning på sjukhus och kliniker sprider sig till mainstream eftersom teknikföretag i allt högre grad införlivar dem i populär elektronik, från Apples smarta klockor till Fitbit fitnessband.

Princetons ingenjörer arbetar för att ta dessa sensorteknologier ett steg längre genom att utveckla programvara som en dag kan använda flera hälsoledtrådar från bärbara sensorer för att diagnostisera otaliga sjukdomar i realtid. När det är fullt utvecklat, systemet skulle varna en patient som utvecklar diabetes, till exempel.

I en tidning i journalen IEEE-transaktioner på multi-Scale Computing Systems , forskare ledda av Niraj Jha rapporterade att deras system, Hierarchical Health Decision Support System (HDSS), använde biomedicinsk data för att framgångsrikt upptäcka fem sjukdomar i simuleringar skapade från en sammanslagning av patientdata. Pappret, publicerad i tidskriftens okt.-dec. problem, uppger att systemet diagnostiserade typ 2-diabetes med 78 procents noggrannhet, arytmi med 86 procents noggrannhet, urinblåssjukdom med 99 procents noggrannhet, hypotyreos med 95 procents noggrannhet och njurbäckennefrit med 94 procents noggrannhet.

HDSS används allmänt tillgänglig, anonymiserade biomedicinska data från hundratals patienter och matade dem genom åtta maskininlärningsalgoritmer som hade tränats av forskarna för att känna igen typiska tecken på dessa sjukdomar. Datan består av fysiologiska mätningar som samlats in av kommersiellt tillgängliga medicinska sensorer som är inbäddade i små elektroniska enheter kopplade till sjukhuspatienter. Läkare använder dem för att spåra saker som blodtryck och galvanisk hudrespons (GSR), som mäter fukt i huden för att identifiera stress.

Det nya systemet går utöver dessa individuella datapunkter genom att jämföra dem med allmänt tillgängliga data om sjukdomssymptom. Detta gör att programvaran kan upptäcka tecken på problem som patienterna inte är medvetna om, eller symtom som de inte avslöjar för sina läkare.

"Detta öppnar för första gången möjligheten att utanför en klinik, individer kan övervaka om de har utvecklat eller kan utveckla en sjukdom, sa Jha, professor i elektroteknik, som utvecklade den nya tekniken med Hongxu Yin, en elektroingenjör Ph.D. studerande.

Författarna noterar att avsevärd forskning redan görs för att integrera patientinformation och diagnostiska program som används på sjukhus och kliniker. Men istället för att fokusera på slutenvård, Jhas team arbetar med att applicera data från bärbara sensorer avsedda för dagligt bruk såsom klockor eller armband. Tillvägagångssättet skulle ge läkare symptomatisk information som patienter kan ha glömt eller inte märkt och skulle också möjliggöra övervakning av patienter efter en diagnos.

"Detta pekar på behovet av pålitliga, noggrant och intelligent beslutsstöd utanför kliniken, " skrev forskarna.

Forskarna sa att det yttersta målet är både att öka effektiviteten i vården och att möjliggöra tidigare diagnoser och bättre patientresultat. Yin sa att forskarna så småningom skulle vilja utöka den typ av data som är tillgänglig för användning i diagnoser, som patientjournaler eller genetisk information.

Systemet är beroende av sjukdomsmoduler, som innehåller maskininlärningsmodeller baserade på olika egenskaper associerade med sjukdomar. Än så länge, Jha och Yin har utvecklat fem moduler, men forskarna noterade att det finns mer än 69, 000 mänskliga sjukdomar klassificerade av Världshälsoorganisationen. På den positiva sidan, forskarna uppskattade att informationen som behövs för att diagnostisera alla dessa sjukdomar skulle använda cirka 62 gigabyte lagringsutrymme, vilket är väl inom gränserna för en molnbaserad applikation.

En utmaning för alla framtida system baserat på bärbara sensorer kommer att vara datasäkerhet, sa Yin. Att överföra konfidentiell hälsodata ger upphov till säkerhetsproblem, och forskarna tror att en lösning skulle vara att utföra analys på en personlig enhet. The device would then transmit diagnoses to doctors monitoring a patient, rather than all the raw data.

Som nästa steg, the researchers and colleagues at the Carrier Health Clinic have proposed a clinical trial to test the efficacy of HDSS technology on patients with schizophrenia, bipolar disorder, and other illnesses. Carrier, is a non-profit behavioral health clinic in Belle Mead New Jersey.

Andrew Walsh, the clinical trial coordinator at Carrier, said the new system could particularly benefit patients who have difficulty in understanding their symptoms or conveying them to their doctors.

"The application of this is amazing for the behavioral health field because it gives us … insight on a level that we've never been able to achieve, " han sa.