急性呼吸道感染持续监测与风险分析的雾云集成框架设计

《Future Generation Computer Systems》:Design of a dew–cloud integrated framework for continuous monitoring and risk analysis of acute respiratory infections

【字体: 大 中 小 】 时间:2026年09月21日 来源:Future Generation Computer Systems 6.2

编辑推荐:

   摘要 急性呼吸道感染(ARIs)仍然是全球重大的公共卫生问题,特别是在资源匮乏的环境中,临床响应延迟往往导致高死亡率。现有的ARI监测和预警系统面临诸多局限,包括上下文感知能力有限、高延迟以及数据隐私方面的顾虑,这些限制使其不适合用于实时ARI风险预测和早期干预。为应对这些

  

摘要

急性呼吸道感染(ARIs)仍然是全球重大的公共卫生问题,特别是在资源匮乏的环境中,临床响应延迟往往导致高死亡率。现有的ARI监测和预警系统面临诸多局限,包括上下文感知能力有限、高延迟以及数据隐私方面的顾虑,这些限制使其不适合用于实时ARI风险预测和早期干预。为应对这些挑战,本研究提出了一种联邦制露–云架构,在保持可扩展的全球建模能力的同时实现智能的去中心化。所提出的框架由三个协调层组成。传感器层采集多模态生理和环境参数,包括血氧饱和度(SpO2)、呼吸频率、体温和PM2.5浓度。露层执行熵驱动模糊化、符号推理和联邦聚合,以实现边缘端的低延迟和隐私保护推理。云层采用自适应神经-模糊推理系统(ANFIS)进行概率性严重程度分层,并辅以数字孪生(DT)模块,实现主动的暴露-健康模拟。与传统的雾–云系统不同,所提出的露启式框架在边缘端引入了本地化语义推理和联邦自适应能力,从而显著提升了响应速度和上下文可解释性。在包含约60,000个统计合成观测值的异构数据集上进行的实验评估(实验子集范围为2000至20,000个实例)表明,与独立云端模型和集中式机器学习模型相比,所提出的框架表现更为优越。最终联邦全局模型达到了96.4%的准确率、95.1%的精确率和95.7%的F1分数,同时推理延迟降低了42.5%。实验结果表明,将联邦边缘智能、模糊抽象和神经-符号建模相结合,能够实现可扩展、可解释的ARI监测,同时保持实时响应能力。所提出的框架在资源受限环境下的ARI监测方面展现出巨大潜力,在该类环境中,及时的检测和风险评估有助于护理人员和医疗专业人员做出迅速、明智的干预决策。

引言

急性呼吸道感染(ARIs)影响人体呼吸系统,包括上呼吸道和下呼吸道。ARIs对全球医疗系统构成沉重负担,并显著贡献于全球死亡率。这些感染主要影响脆弱人群,包括儿童、老年人以及免疫系统较弱的人群[1]、[2]。

根据世界卫生组织(WHO)的报告,ARIs每年导致超过400万人死亡,其中相当大一部分死亡发生在发展中国家[3]。近年来关于ARIs的研究表明,污染水平的上升与呼吸道感染的发生率之间存在强关联,凸显了建立稳健的ARI监测和预警框架的必要性[4]。例如,一项在中国澳门地区开展的研究发现,ARI相关的住院率与环境因素(如湿度和温度)以及空气污染物(包括PM2.5、PM10和NO2)之间存在强相关性[5]。类似地,一项在埃塞俄比亚开展的研究报告称,室内空气质量以及其他因素(如清洁饮用水的可及性)对五岁以下儿童的呼吸健康产生了显著影响[6]。

尽管在物联网(IoT)赋能的ARI医疗系统领域已取得相当可观的进展,但许多现有监测框架在提供及时响应方面仍存在局限,特别是在数字基础设施有限的地区[7]、[8]。为应对这些局限,本研究提出了一种混合联邦制露–云计算架构,将计算任务分布到三个协调层中:感知层、边缘(露)层和云层[9]。所提出的框架提供了一种稳健且可扩展的解决方案,适用于资源受限环境,通过系统性地将这些网络层之间分布计算工作负载,而非仅依赖集中式处理[10]。通过整合多种生理和环境特征,所开发的框架增强了ARI监测和预警的响应时间和决策能力,同时支持在分布式环境中的高效部署[11]、[12]。

大多数现有的ARI监测系统基于集中式云基础设施运行,严重依赖持续可靠的网络连接。这种对互联网可用性的强烈依赖增加了系统在连接中断时的脆弱性,并引发了重大的隐私担忧,特别是在需要远程传输和处理敏感患者数据的医疗应用中。这些局限在实时健康监测场景中尤为关键,延迟的响应可能导致呼吸系统疾病患者出现严重的健康并发症,从而增加死亡风险。

此外,许多现有的ARI监测框架无法动态适应气象和环境因素(如温度、湿度和空气质量)的变化,而这些因素对呼吸健康有着重大影响。缺乏透明且可解释的决策机制也限制了这些系统在医疗环境中的实际应用,因为在医疗环境中可解释性和临床可解释性至关重要。

这些局限凸显了对一种去中心化物联网赋能的ARI监测框架的需求,该框架能够在减少持续互联网连接依赖的同时保护患者隐私,并在变化的环境条件下实现自适应决策。在此背景下,在网络边缘运行的分布式计算范式——如边缘计算、雾计算和露计算——已成为纯粹以云为中心的架构的有力替代方案。

尽管已有若干研究提出了物联网赋能的呼吸监测解决方案,但许多这些框架未能同时在统一架构中集成关键能力,如上下文感知的多因素风险建模、低延迟边缘智能和分布式计算。这些架构局限和研究空白为当前研究提供了主要动机。

本研究的主要贡献总结如下:

• 一种混合露–云架构,明确地将早期异常筛选与长期风险分层解耦,在边缘端实现低延迟、可离线推理的同时,将计算密集型概率分析保留在云端。

• 一种上下文感知的健康监测框架,使用可解释的边缘级推理联合建模生理和环境参数,与传统以云为中心的"黑箱"方法相比,提升了透明度、响应速度和自适应能力。

• 一种战略性的联邦学习方法,保护数据隐私并减少露层分类器在判定不规则健康事件时的计算开销。

• 一种持续且个性化的ARI风险分层机制,利用云端概率建模和场景驱动预测来支持主动干预而非被动诊断。

本文其余部分组织结构如下。第2节回顾了关于ARI监测系统、物联网赋能的医疗架构以及雾计算和露计算等分布式计算范式的现有研究。第3节介绍了所提出的露–云集成架构,详细说明了传感器层、露层和云层的职能责任以及底层的计算工作流。第4节描述了用于评估所提出框架性能的实验设置、数据集构建和评估方法。第5节讨论了实验结果并分析了露层异常检测、联邦学习策略、基于ANFIS的健康脆弱性指数(HVI)计算和数字孪生预测模块的有效性。第6节概述了当前研究的局限性并指出了未来研究的潜在方向。最后,第7节通过总结所提出的露–云框架的关键贡献及其对可扩展和可解释的ARI监测的启示来结束全文。

文献综述片段

在过去十年中,研究人员日益探索将分布式计算范式与物联网(IoT)和人工智能(AI)相结合,以开发实时健康监测系统。这些技术的融合使得对包括心脏疾病、哮喘、糖尿病、心理健康障碍和急性呼吸道感染(ARIs)在内的各种健康状况进行早期检测和预测成为可能。此类系统旨在提供可扩展的……

系统架构

所提出的框架采用三层分布式架构,包含三个协调层:传感器层、露层和云层。每一层执行功能不同但相互关联的操作,以确保低延迟响应性、语义可解释性和可扩展的呼吸风险评估[10]。传感器层负责实时数据采集和轻量级预处理。露层执行早期异常筛选和本地化的……

实验结果

对所提出的露–云ARI监测框架的实验评估基于环境观测数据、流行病学健康记录和统计生成的传感器数据的组合。

讨论

本节对研究所提出的混合露–云框架在ARI预测和监测方面的实验结果进行了解释,并讨论了其对实时、隐私保护部署的启示。

局限性

尽管取得了令人振奋的结果并进行了全面的架构设计,但所提出的露–云框架仍存在一些局限性,需要加以认识以指导未来的改进和临床转化。传感器层:传感器数据流的质量可能会随时间推移而退化,特别是在低成本PM2.5传感器中,这可能影响露层的分类准确率;可穿戴设备也容易受到波动和运动伪影的影响,引入噪声,必须加以缓解。

结论

本研究提出了一种露–云集成框架,用于低延迟、上下文感知的急性呼吸道感染监测。为提高实时响应性和上下文可解释性,本研究集成了模糊符号推理、贝叶斯信念网络(BBN)分类、熵驱动模糊化、基于ANFIS的HVI以及数字孪生模拟模块。所提出的架构成功展示了在隐私保护的分布式学习、预测性风险建模和实时……之间取得了平衡。

作者贡献声明(CRediT)

Zubair Sayeed Masoodi:原创草稿撰写、软件、数据整理。Ankush Manocha:可视化、验证、监督、方法论、形式分析。

大语言模型致谢

作者感谢使用ChatGPT(https://chat.openai.com/)辅助写作过程,包括生成初始草稿和提供措辞建议。作者对所有生成内容进行了彻底审查和修订,以确保最终稿件准确反映我们的研究结果。

利益冲突声明

作者声明不存在已知的可能影响本文所报道工作的财务利益或个人关系。

致谢

作者感谢印度气象局和综合疾病监测计划提供本研究使用的数据。

Zubair Sayeed Masoodi | Ankush Manocha
计算机应用系,Lovely Professional University,印度旁遮普邦
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号