一种基于人工智能预测的自我适应框架，用于物联网环境中的儿童医疗保健

《Pervasive and Mobile Computing》：A self-adaptive framework for child healthcare in IoT environment using AI-based prediction

儿童肥胖管理中基于物联网的自适应框架结合AI预测模型，通过MAPE-H循环和奖励机制提升儿童参与度，实验显示97.11%准确率和0.9725 F1分数，验证了该框架在健康监测中的应用潜力。

　　

Euijong Lee|Jaemin Jeong|Gyuchan Jo|Taegyeom Lee|Gee-Myung Moon|Young-Duk Seo|Ji-Hoon Jeong

忠北国立大学计算机科学学院，韩国清州，28644

摘要

儿童超重和肥胖已成为最严重的全球公共卫生挑战之一，因为它们可能导致各种健康问题以及慢性病的早期发展。物联网（IoT）的整合改变了医疗保健领域，促进了数字医疗解决方案的发展。这种整合增加了从各种物联网来源收集的健康数据量。因此，需要先进的技术来分析这些健康数据，而人工智能（AI）被用来从数据中提取有意义的见解。此外，这些技术可以有效地应用于医疗保健，以解决儿童超重和肥胖问题。本文提出了一个自适应框架，利用来自物联网环境的生命日志数据来管理儿童体重。采用基于集成学习的方法来预测体重。开发了一个提供实际服务的智能手机应用程序，并从362名年龄在104至152个月之间的儿童那里收集了生命日志数据。实验结果表明，所提出的集成模型能够以0.9711的准确率和0.9725的F1分数使用生命日志数据预测儿童体重的变化。结果还表明，适当的奖励可以鼓励人们的参与，并积极影响数据质量。这些结果证明了所提出框架在有人参与的情况下的有效性。

引言

物联网（IoT）将各种实体相互连接，包括物理实体和非物理实体（例如传感器、执行器、数字用户和人类用户）[1]。凭借其连接优势，IoT被应用于智能农业、汽车、智能家居和智能工厂等多个领域。特别是，医疗保健领域因IoT技术的整合而发生了革命性变化，催生了连接医疗的发展，即任何数字医疗解决方案，如远程操作、持续健康监测和紧急检测。IoT在医疗保健领域的应用有助于提高个性化医疗的质量，因为传统医疗无法满足多样化的个体需求[2]、[3]。来自电子健康记录、可穿戴设备和移动应用程序等各种来源的健康数据量不断增加，这就需要先进的技术来处理和分析这些数据。这导致了人工智能（AI）的整合，以从健康数据中提取有意义的见解并提供个性化医疗服务[4]、[5]、[6]、[7]、[8]、[9]、[10]、[11]。多项研究已将AI应用于医疗保健领域，包括COVID-19识别、糖尿病预测、跌倒检测、远程医疗监测和心脏病诊断[6]、[7]、[12]、[13]。

过去几十年里，全球儿童超重和肥胖问题显著增加[14]，可能导致糖尿病、心血管疾病、脂肪肝和性早熟的早期发生[15]、[16]。因此，这是最严重的全球公共卫生挑战之一[15]，需要医疗保健服务来预防儿童肥胖。

我们提出了一个自适应框架，利用物联网环境来管理儿童体重。儿童的生活方式多样且动态变化；因此，每个儿童都需要适应性的医疗保健服务。自适应软件能够满足动态环境中的需求；因此，它适用于儿童医疗保健服务。这类服务还需要鼓励儿童的参与；因此，有效的人类参与是必不可少的[17]。因此，所提出的框架通过使用监控、分析、规划和执行（MAPE）循环来关注人类参与，这是一个突出的控制循环，以开发自适应软件。实施了奖励机制来激励人们在该循环中的参与。此外，所提出的框架结合了基于集成学习的方法来根据儿童的生命日志数据预测体重变化。使用智能手机应用程序进行了实证实验，以评估基于奖励的人类参与和体重预测的有效性。结果表明，适当的奖励可以激励儿童。预测结果合理，表明所提出的方法可以应用于医疗保健服务，以解决儿童超重和肥胖问题。

此外，还评估了框架中人类参与的有效性。这些发现表明，奖励可以刺激人们的参与，从而促进机器学习训练所需的数据积累。本研究的贡献总结如下：

• •
  开发了一个基于人类参与（HITL）的IoT框架，该框架利用自适应的MAPE循环同时优化数据粒度和用户参与度。
• •
  为了解决儿童体重研究中缺乏实际、纵向的IoT数据集的问题，使用一款操作型智能手机应用程序从362名儿童那里收集了为期六个月的生命日志数据集。
• •
  将基于集成的预测模型应用于生命日志数据，在体重变化预测方面表现出强大的性能（准确率为0.9711，F1分数为0.9725），并揭示了奖励在提高数据质量方面的作用。

本文的其余部分组织如下：第2节提供背景和相关工作。第3节介绍所提出的用于儿童医疗的IoT自适应框架。第4节展示实证实验的结果。第5节讨论了局限性和未来工作，第6节对本文进行总结。

部分内容

背景和相关工作

本节描述了背景和相关工作。2.1节介绍了自适应软件。2.2节简要概述了应用于医疗保健领域的AI和IoT技术。2.3节介绍了关于儿童肥胖的IoT和AI相关医疗研究。

用于个性化儿童医疗的自适应IoT框架

提出了一个基于AI的体重变化预测的自适应IoT框架。本节介绍了所提出的框架。3.1节从IoT架构的角度描述了该框架。3.2节描述了具有自适应概念和人类参与机制的框架。3.3节介绍了基于AI的体重变化预测模型。

实证实验

本节讨论了一组用于实证评估所提出框架的实验。实验使用Python 3.13.5和PyTorch 2.7.1+cu128进行，测试设备配置为Intel? Core? i7-10700K（3.80 GHz，8核）、32 GB内存、GeForce RTX 3070和Windows 11。实验数据通过实现的应用程序收集，详细信息在4.1节中描述。关于体重变化预测和奖励效果的实验结果

讨论

我们提出了一个自适应医疗框架，用于管理儿童体重，以预防超重和肥胖，并应用了基于集成的模型来预测体重变化。此外，还应用了奖励概念来鼓励人们在MAPE-H循环中的参与。所提出的框架取得了出色的实验结果。然而，在进一步发展之前，该研究还存在一些需要解决的局限性。本节将对这些局限性和未来研究进行讨论。

结论

本文提出了一种使用生命日志数据预防儿童超重和肥胖的自适应医疗框架。该框架采用了基于SOA的IoT架构，包含四个层次：应用层、服务层、网络层和感知层。该框架旨在结合自适应概念，并将人类纳入循环系统；因此，该框架整合了人类参与和MAPE循环（即MAPE-H循环）。在MAPE-H循环中，人类的作用类似于

CRediT作者贡献声明

Euijong Lee：撰写——原始草稿，软件。Jaemin Jeong：软件。Gyuchan Jo：软件。Taegyeom Lee：数据管理。Gee-Myung Moon：软件，数据管理。Young-Duk Seo：验证，方法论。Ji-Hoon Jeong：监督，项目管理。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了韩国食品、农业和林业技术规划与评估研究所（IPET）的支持，该研究通过农业和食品融合技术计划获得农业、食品和农村事务部（MAFRA）的资助（授权号：RS-2024-00398561（）。本研究还得到了韩国国家研究基金会（NRF）的部分支持，该基金会由韩国政府（MSIT）资助（授权号：RS-2024-00456480）和忠北