醫療保健領域中著名的虛實整合系統(CPS)之應用

關鍵字：()；()；()；()；()；

瀏覽次數：1175｜歡迎推文：

科技產業資訊室(iKnow) - 洪長春發表於 2022年5月11日

圖、醫療保健領域中著名的虛實整合系統(CPS)之應用

CPS是結合運算和通訊能力與實體世界的一項新興技術，2008年被美國總統科技顧問委員會列為第一優先研究領域。CPS依賴於感測、處理和網絡之科技，因此，最新發展的無線感測器網絡 (WSN)、醫療感測器和雲端運算使CPS成為醫療保健應用的強大候選者，包括在醫院內和家庭患者護理等。這些進步有望為CPS提供遠距觀察患者狀況並採取行動的能力，無論患者身在何處。目前正對醫療感測器進行大量研究，這些感測器能夠收集患者健康數據的重要信息，經由無線通訊介質發送到網絡可以存儲在伺服器中，供臨床醫生接入使用。

設計CPS架構需要考慮的重要問題
從法律和道德角度來看，患者數據是機密的，因此在設計CPS架構時，需要特別注意確保數據安全。其他重要問題，例如需要存儲和管理從數千個醫療感測器收集到大量數據，這些醫療數據可以為挽救患者生命所必需的行動（治療）提供有用的見解，所有數據都應該隨時可供授權的醫務人員隨時隨地取用，因此數據庫管理系統應該具備高效率和可靠性的功能。

來自大量的患者數據，醫療保健應用需要巨大的計算資源來進行智慧的決策。然而，收集患者數據的無線感測器網絡在能源、處理和存儲容量方面受到嚴重限制，目前正在進行研究且使用最先進的雲端計算技術，可以提供作為 CPS 的運算骨幹，以提高系統的可擴展性並實現即時數據分析的解決方案。

雲端運算是一些技術進步的結果，例如分佈式運算、網路技術（服務導向架構、Web 服務）、系統管理（自主運算）和硬體（虛擬化、多核晶片）等。它是一種並行和分佈式的運算系統，由一組互連和虛擬化的電腦組成，這些電腦根據已建立的服務層級協議(SLA)，透過服務提供者和消費者之間的協商動態供應，呈現為一個或多個統一的運算資源。因此有文獻提到組合的感測器-雲基礎設施是CPS 組成的一部分，其中雲端支持網絡（運算）活動，感測器支持實體活動的評論。

CPS的優勢
(1) 網路整合
CPS具有與WSN和雲端運算的互操作性，可以遵從聯網標準。CPS涉及由通訊網路進行互動的多個運算平台，提供網路集成特性，例如介質接取控制技術及其對系統動態、中間層和軟體的影響，這些技術可以提供網絡協調、交易時間控制和容錯等問題。

(2) 人類與系統的互動
決策制定至關重要的是建模和測量系統中人類感知態勢及其參數的環境變化。這對於複雜和動態的系統是絕對必要的。一些CPS將人類當作系統的一個組成部分，使得互動更加容易，因為一般人類很難使用單獨系統進行建模。

(3) 處理確定性
確定性是提供設計有效且值得信賴的證據過程。證據可以包括正式證明或模擬和原型中的詳盡測試。設計CPS能夠在新的和不可靠的環境中演進和操作，能夠展示未知的系統行為以進一步研究並發展成更好的系統。

(4) 更好的系統性能
透過感測器和網絡基礎設施的緊密互動，CPS能夠在反饋和自動重新設計方面提供更好的系統性能。CPS 中更好的計算資源和網絡子系統確保多個感測實體、多種通訊機制、高級可編程語言和維持最終用戶的存在，進而確保CPS更好的系統性能。

(5) 可擴展性
CPS 能夠利用雲端運算的特性根據需要擴展系統。用戶無需投入額外資源即可獲得必要的基礎設施。本質上CPS是異質性的，因為它結合了物理動力學和運算過程。物理領域可以結合機械運動控制、化學過程、生物過程和人類參與；網絡領域可以結合網絡基礎設施、可編程工具和軟體建模。CPS可以提供設計方法和支援這些方法的工具，可以擴展到大型設計並促進對複雜系統的理解。

(6) 自主性
由於具有感測器-雲端之整合，CPS可以提供自主性。通常，CPS是一種封閉系統，其中的感測器會測量實體動態。這些測量在網絡子系統中進行處理，然後驅動執行器和影響物理過程的應用程序。網絡子系統中的控制策略是自適應，通常是可預測性的。

(7) 靈活性
與 WSN 和雲端運算的早期單獨研究工作相比，目前基於CPS的系統提供了更大的靈活性。

(8) 優化
目前的生物醫學感測器和雲端基礎設施為各種應用提供了很大的優化。這種能力為CPS廣泛優化系統開闢了新路徑。

(9) 更快的響應時間
由於感測器和雲端基礎設施的更快處理和通訊能力，CPS可以提供更快的反應時間。快速反應時間有助於及早發現遠程故障，正確利用頻寬等共享資源。

著名的 CPS 應用
文獻調查顯示，醫療保健中CPS 的分類大致由8個元素組成：(1) 應用(輔助型、受控型)，(2) 架構(由基礎設施、數據要求及系統組成來表徵)，(3) 感測(感測器類型、方法及參數)，(4) 數據管理(數據集成、存儲及處理)，(5) 計算(建模及監測)，(6) 通訊(調度及通信協議)，(7) 安全(隱私及加密)，以及 (8) 控制/驅動(決策制定及機制)等。這種分類法可以表徵(或映射)幫助醫療保健應用的可視性。

1. 電子醫療紀錄(EMR)
EMR是用於自動化生命體徵讀數的網絡物理接口的設計。它經過有線網路整合感測器，允許將訊息作為結構數據，檢索並存儲到電子病歷(EMR)系統中。該系統原型具有以下元素：EMR、數據處理器（軟件適配器）、生命體徵讀取站（硬件拓撲）和定制的生命體徵表格。這是一份系統設計文檔 (system design document, SDD)，使用三層架構討論和分解網絡物理方法。在這種架構中，組件被分類在獨立於其他層的架構層中，並且僅依賴於下一層中的組件。這種方法的主要優點是可以修改組件而不影響其他層中的組件。接口層包含查看應用所需的組件，應用邏輯層包含實現商業邏輯的組件，數據層則是協調與數據庫的連接。

2. 虛實增強安全無線感測器網絡(WSN)整合雲端運算用於u-life護理(CPeSC3)
Wang et al.[1]提出一種CPeSC3架構，由三個主要組件組成:(1)通訊核心，(2)運算核心，以及(3)資源調度和管理核心。作者詳細分析了雲端運算、即時調度(real time scheduling)、安全模型等相關模型，並基於驗證目的實際展示了一個醫療保健應用場景的測試台，採用了雲端運算技術。但是，作者所提議架構中缺乏感測數據的細節。CPeSC3 沒有強調系統的完全可靠性，這對於醫療保健應用中的任何CPS都至關重要。

3. 虛實安全(CYPSec)
Venkatasubramanian等人[2]提出一種與環境耦合的虛實安全(CYPSec) 解決方案，結合傳統的安全原語(security primitives)與環境特徵來運行。作者透過通用方法具體示例說明了兩個CYPSec 的設計問題和原則：(a)基於身體生理信號的密鑰協議(PSKA)和(b)關鍵感知接入控制(CAAC)。PSKA設計是感測器之間根據生理信號在體域網(BAN)中實現自動密鑰協議，CAAC 提供啟用系統進行應急管理的控制。

4. 無限身體感測網絡WBAN
Zhang等人[3]根據人們的社交互動信息首次提出一種基於權力博弈(power game)的方法來減輕WBAN的通訊干擾。主要的成果如：(1)透過理論分析和蒙特卡羅模擬對 WBAN 間的干擾進行建模並確定干擾的距離分佈，(2)為攜帶WBAN的人們開發社交互動檢測和預測演算法，以及(3)開發基於社交互動資訊的權力控制博弈，以最大限度地提高系統的效用，同時減少WBANs系統的能耗。

5. 醫療虛實整合系統(MCPS)和大數據平台(Big Data Platform)
Don和Dugki [4]認為，結合物理世界與動態臨時、完全彈性的網絡世界提出一個 MCPS的大數據處理框架，可用於醫療保健決策系統。作者聲稱，該框架能夠減少醫院支出，並減輕臨床醫生對患者進行常規檢查的工作。在遠距醫療監護系統中，患者身體與各種感測器相連接，以測量不同的生理數據，如心電圖(ECG)、氧氣水平和脈搏率，然後將這些數據發送到遠端應用伺服器，由醫生分析以確定患者的健康狀況。

6. 智慧清單(Smart Checklist)
Avrunin 等人[5]提出支援和導引參與者完成任務的智慧清單，同時支援與設備和軟件應用程序的互動。此系統有望幫助醫務人員為重症監護中的患者準備藥物、數據收集和其他日常活動。作者已經開發了系統架構和基礎設施、過程監控、環境感知設施、基於文件配置和時間的分析以及安全封套。但是，該系統尚未適用於所有醫療過程。(2900字)

參考資料：
J. Wang, H. Abid, S. Lee, L. Shu, and F. Xia (2011), “A secured health care application architecture for cyber-physical systems,” Control Engineering and Applied Informatics, vol. 13, no. 3, pp. 101–108.
K. K. Venkatasubramanian, S. Nabar, S. K. S. Gupta, and R.Poovendran(2012), “Cyber physical security solutions for pervasivehealth monitoring systems,” in E-Healthcare Systems and Wireless Communications: Current and Future Challenges, M. K.Watfa, Ed., IGI Global.
Z. Zhang, H. Wang, C. Wang, and H. Fang (2013). “Interference mitigation for cyber-physical wireless body area Network System using social networks,” IEEE Transactions on Emerging Topics in Computing, vol. 1, pp. 121–132.
S. Don and M. Dugki(2013), “Medical cyber physical systems and bigdata platforms,” in Proceedings of the Medical Cyber Physical SystemsWorkshop, Philadelphia, Pa, USA.
G. S. Avrunin, L. A. Clarke, L. J. Osterweil, J. M. Goldman, and T. Rausch(2012). “Smart checklists for human-intensive medical systems,” in Proceedings of the IEEE/IFIP 42nd International Conference on Dependable Systems and Networks Workshops (DSNW’12), Boston,Mass, USA.

相關文章：
1. AI新創企業健康醫療吸金
2. 智動住宅醫療照護不打烊
3. 谷歌旗下DeepMind揭露人工智慧結合醫療企圖
4. 台灣雲端運算產業聯盟
5. IBM在台成立「智慧生活前瞻研究中心」　開創台灣新興醫療照護模式
6. 發展智慧醫院強化三功能

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------