基于可穿戴计算的智慧养老移动服务平台的设计与挑战

朱月兰等

摘 要：基于传统生理监测设备的智慧养老系统存在设备价格昂贵、操作麻烦、便携性差等问题。本文基于目前先进的可穿戴计算技术，设计出一套无线的、低心理负荷的可实现多参数生理监测的智慧养老移动服务平台。该系统可以实时、连续、长时间监测被监护人员的心电、呼吸、体温等体征数据，并将数据及时传输到云端。云端的监控系统依据接收到的数据，分析被监护人的身体状况，实现养老的个性化服务。

关键词：可穿戴计算；智慧养老；生理监测

中图分类号：TP319 文献标识码：A

1 引言（Introduction）

统计数据[1]表明，中国已于1999年进入老龄社会，到2020年，老龄化人口将占总人口的17.17%，达到2.48亿，2050年将逾4亿，老龄化比例将上升到30%以上，养老问题[2]迫在眉睫。慢性病，如糖尿病、充血性心脏衰竭、高血压等构成了老龄化社会最为重要的威胁。世界卫生组织在报告《防治慢性病是一项极其重要的投资》中指出，目前心脏病、心血管病、癌症和糖尿病每年造成全球约1700万人早逝，尤其是在发展中国家，慢性病死亡人数占全部死亡人数的80%。针对老年人、慢性病患者等群体的治疗都以医院和康复中心的方式为主，这种方式不仅资源受限，而且成本费用高昂，普通家庭很难享受到这样的服务，即使在美国这样的发达国家，慢性病的医疗费用占到了医疗卫生系统医疗成本的80%。

远程监护系统[3]对老年人身体状况的监控是非常有效的。传统的远程病人监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片，芯片药片被患者摄入后，实时传送数据到电子病历数据库。远程监控可以提醒医生对被监护人采取及时治疗措施，防止紧急状况发生。更多的好处是，通过对远程监控系统产生的数据的分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。

然而传统的远程监护系统在应用于养老时，存在生理监测系统价格昂贵、操作麻烦、便携性差等问题，非常不适合老年人的监护。当务之急是设计出一套无线的、可穿戴的、低心理负荷的多参数生理监测系统，实现被监护人员运动状态下实时、连续、长时间监测心电、呼吸、体温和体动参数。可穿戴技术[4]的发展为该系统的设计与实现提供了可能。

可穿戴技术是一种具有信号检测和处理、信号特征提取及数据传输等功能的用于人体状态非介入式监测的新技术。它将生命信息检测技术与人们日常穿戴的衣物相融合，可以在自然状态下实现基本生命信息的获取。近年来可穿戴设备得到了长足的发展，出现了大量小型化、使用方便的设备，如三星的智能手表Gear、耐克的数字运动手环、Fitbit的智能腕带、Jawbone UP的智能手环等。这些设备可监测人体健康信息。

将可穿戴技术应用于智慧养老系统，可实现健康医疗的移动化，节约医疗成本、缩短诊疗流程。本文围绕可穿戴技术，设计了一套智慧养老移动服务平台，着重阐述了平台研制面临的挑战。

2 智慧养老移动服务平台体系结构（Architecture of

service platform for smart pension）

如图1所示，智慧养老移动服务平台体系结构由感知层、中间层和云端三层组成。感知层为佩戴在人体上的各种可穿戴设备，这些设备主要用于测量老年人的血压、体温、脑电图、心电图等数据。可穿戴健康监测设备的使用实现了实时、连续、长时间的健康信息收集。表1总结了目前已经研制出的各种可穿戴健康监测设备。

中间层是一个体域网，负责将感知层采集的数据传输到云端。云端主要负责感知数据的存储、分析与发送服务。表2总结了体域网的硬件和网络需求。

传统的养老服务平台主要使用各种专业的医疗仪器进行各种人体指标的采集，具有操作不方便、价格昂贵等缺点。我们的系统采用各种可穿戴设备采集数据。这些可穿戴设备具有小型化、操作接单和价格便宜等优点，因此我们的体系结构更适合于远程健康信息的采集。

3 面向健康信息采集的挑战（Challenge for collecting

health information）

目前世界上有大量的可穿戴设备公司，这些公司生产的可穿戴设备涵盖了智能手环、手表、眼镜乃至医疗设备等多个领域。但是能做出来的可穿戴设备，和理想中的产品仍有不小差距。在智能手机和平板的竞争焦点早已经转移到系统和应用层面的今天，研发可穿戴设备的本土公司们仍然在硬件关口徘徊。

理想的可穿戴设备至少具备两个特征[5]，其一是，甚至可以考虑做成一层产品有足够的便携性，既小又轻，最好能和身体的弧度尽量贴合薄膜贴到手腕上，其二是“无感”，现有的血压仪在采集过程中是加压的，虽然对血管和身体没有直接的破坏性创伤，但人体的感觉并不好。

我们认为可穿戴设备面临如下挑战：（1）工业设计上，可穿戴设备需要对外表观感、人体工学和舒适度的考量更加侧重，才能让可穿戴设备更容易融入用户日常生活中，而非成为累赘。（2）技术上，设备的续航时间与设备间兼容性，是用户熟悉和习惯使用的基础，也是可穿戴设备仍然面临的主要技术短板。Google Glass产品化障碍重重，主要存在技术成熟度与用户需求偏差的原因。智能眼镜的元件高度集成、轻便与续航的平衡以及操作响应方式，都对产品设计提出了很高的要求。（3）显示屏幕的创新、突破和成本，比如柔性屏幕。

4 面向健康信息的大数据分析挑战（Challenges of

big data analytics for health information）

我们的平台通过各种可穿戴设备，能把数据统一发布到数据中心，从而带来医疗数据的大量的增长。大数据会带来一些典型的应用[6]，比如治疗方案的有效性，根据每个人基因、地域、人种不一样，会选择不一样的治疗方案。甚至对于同样的药在不同的时间对不同的人应该有不同剂量，如果能实现这一点就依赖于大量的治疗方案的采集和分析，通过医药机构和医疗机构大量分享数据，才能做到治疗方案的个性化。

概括来讲，通过利用大数据分析技术[6]，我们将实现预防（如何保证不得病）、预测（根据每个人体征可以预测这个人有哪些疾病风险）、个性化（每个人的生理特征不一样，因此治疗方案不一样，甚至说得了同样的病，吃的药的剂量不一样），还有就是参与性（患者要积极参与到医疗过程当中）。然而要想真正做到预防、预测、个性化以及个人参与，目前的医疗健康数据的分析面临很大的挑战[7]。

挑战1：数据量巨大

我们的平台最终必须与医疗机构现有的信息系统对接，共享数据才能充分挖掘数据的功能。然而在对接以后，医疗数据是持续、大量增长的大数据。根据估算，中国一个中等城市（一千万人口）50年所积累的医疗数据量就会达到10PB级。并且，随着时间的推移和业务系统的不断升级换代，医疗数据模式的一致性也无法保证。因此，每天都会有大量的数据持续不断的导入区域医疗数据中心，并且每当有数据模式的更改，相关的历史数据也需要做相应的调整。所以，区域医疗数据中心并不是简单的传统数据仓库概念。相比之下，它的模式更灵活、写入和更新的操作更多，而对数据存储的水平可扩展性的要求也更高。

挑战2：医疗数据是关系复杂的多维数据

由于医疗数据是多种数据源数据的汇总，数据之间的关系非常复杂。比如：一个简单的实验室检验检测值，必须同时记录这个值对应的编码系统和编码、单位、检测时间、检验项目、标本编码，以及相关联的患者主索引号、就诊机构、申请科室、申请医师标识号、报告医师标识号、审核医师标识号、正常值参考等等。一条检测记录就可以把患者、医生、医疗机构多个实体在不同层次上关联起来。而不同的医疗信息服务更需要从不同的视角来观察这些数据。总之，医疗数据的多维度多粒度为各种信息服务的多角度多层次分析提供了可能，但同时也为大数据分析带来了挑战。因为我们不可能为每一种信息服务存储一份特定的优化模式的数据，况且我们也无法枚举出所有可能的信息服务需求。这就需要医疗数据的存储模型能够适应灵活多变的多维统计分析需求。

通过上述的分析可见，简单地将现有的大数据分析技术套用在我们平台的云端数据上是行不通的。

5 安全与隐私（Security and privacy）

智慧养老移动服务平台需要通过各类传感器收集与人类社会活动紧密相关的情境数据。这些情境数据属于敏感信息，可以分析人类的移动和交互特性，帮助人们解决很多社会问题，但是在享受情境数据带来利益的同时，要最大限度地保护用户的隐私。因此，服务平台的设计需要考虑保护用户的隐私，确保情境数据的正确使用。

目前在可穿戴计算领域存在以下几个典型的信息安全问题[8]。

（1）工具式信息泄露

带有定位功能的可穿戴设备，如相机，允许用户创建并分享每一个生活瞬间。这种微型、永远开机的照相机能够在每日自动拍摄并存储成千上万的照片。用户只需将相机别在衣领、领带或身体其他部位、便可以随意拍摄进入镜头中的人或物。这些照片将会被上传到设备制造商的网站，并以种种方式进行回放。显而易见的危险便是假如可穿戴设备用户创建详细的生活日志，将会侵犯那些在不知情情况下被拍摄到的朋友或其他人的隐私。

（2）设备泄露

像google glass这类智能眼镜最大的隐私问题是佩戴者能够私下拍摄并上传视线中出现的人或物。并且，光学镜片、隐形眼镜也将很快具备这一功能，这将导致智能眼镜更加隐蔽，难以辨认。再加上面部识别软件、智能眼镜可能会成为一项令人头疼的隐私大问题。

（3）安全攻击

当今许多可穿戴式医疗设备，比如胰岛素泵、葡萄糖监测和心脏起搏器，带有无线支持，导致这些设备容易受到黑客攻击。两年多前，一位研究人员曾在黑帽安全会议上演示攻击者如何在半英里外通过控制胰岛素泵，给使用者输送潜在致死剂量的胰岛素。另一位研究人员也展示了如何利用无线协议在用户佩戴的现代起搏器上做手脚。正是因为这方面的担忧导致前副总统迪克-切尼的医生禁止在切尼的心脏泵上使用无线功能。美国食品及药物管理局对此也表示担忧，并敦促设备制造商解决无线漏洞。

概括起来讲，上述安全问题主要涉及到数据机密性、数据完整性、数据认证与新鲜性，安全定位，可用性等方面。可穿戴设备与一般设备相比，具有通信信道开放，资源有限的特点，因此其他领域的相关安全技术不能直接应用于我们的智慧养老移动服务平台，必须对现有方案进行改进与优化。

6 结论（Conclusion）

本文所设计的智慧养老移动服务平台，在信息采集端采用了体型小、价格低、舒适感强的可穿戴设备，实现了实时、连续对被监护人的监测。利用大数据分析技术对所采集的信息进行分析，从而为被监护人提供个性化养老服务。本文进一步阐述了开发该服务平台所面临的挑战。下一步的主要工作是研制挑战的解决之道。

参考文献（References）

[1] 杨燕绥.清华大学民生保障与社会发展研究系列：中国老龄社

会与养老保障发展报告（2013）[M].北京：清华大学出版社，

2013.

[2] 尤元文.老龄问题与养老工作资料选编（第1辑）[M].北京：中国

经济出版社，2013.

[3] 石涛，吴水才，李艳峥.基于嵌入式Web服务器的心电远程监

护系统[J].北京生物医学工程，2014，33（001）：66-71.

[4] 吴小玲，蔡桂艳.可穿戴式血氧传感器的设计和定标方法研究

[J].生物医学工程学杂志，2009，26（4）：731-734.

[5] 罗东.可穿戴设备“硬”伤[EB/OL].21世纪商业评论，2013，（25）.

[6] 冯朝晖.大数据与健康服务[EB/OL].CIO时代网，2013-07-24.

[7] EMC中国研究院大数据实验室.健康云上如何进行大数据的

挖掘与分析[EB/OL].EMC中国研究院官方博客，2012-04-05.

[8] 文良.可穿戴设备七大隐患[EB/OL].赛迪网，2014-02-27.

作者简介：

朱月兰（1968-），女，硕士，高级.研究领域：医疗信息系统.

林 枫（1963-），男，硕士，教授.研究领域：卫生管理.

闫国华（1984-），男，硕士，中级.研究领域：医疗信息系统.

王 勇（1991-），男，硕士生.研究领域：软件开发.