Verbesserung einer Edge-IoT-Architektur, die von künstlicher Intelligenz für das Management chronischer Krankheiten im Bereich der intelligenten Gesundheit angetrieben wird

Eine der gesundheitlichen Herausforderungen des 21. Jahrhunderts besteht darin, Ansätze zur Prävention von nicht übertragbaren Krankheiten neu zu denken. Eine Lösung ist eine intelligente Stadt, die Technologie implementiert, um die Gesundheit intelligenter zu gestalten, den Zugang zur Gesundheitsversorgung zu ermöglichen und zum allgemeinen Wohlbefinden aller Bewohner beizutragen. In diesem Papier wird daher eine Architektur vorgeschlagen, um intelligente Gesundheit bereitzustellen. Die Architektur ist im Internet der Dinge und im Edge-Computing verankert und wird von künstlicher Intelligenz angetrieben, um drei grundlegende Ebenen in der smarten Pflege zu etablieren. Experimentelle Ergebnisse aus einer Fallstudie zur nicht-invasiven Glukosevorhersage zeigen, dass die Architektur Daten erfasst und ermittelt, die relevante Merkmale erfassen. Die Studie legt auch eine Basis von zwölf Regressionsalgorithmen fest, um die nicht-invasive Glukosevorhersageleistung hinsichtlich des mittleren quadratischen Fehlers, des Wurzelmittelquadrats des Fehlers und des R-Quadrat-Werts zu bewerten. Der Catboost-Regressor übertrifft die anderen Modelle mit 218,91 und 782,30 in MSE, 14,80 und 27,97 in RMSE sowie 0,81 und 0,31 in R2, jeweils auf Trainings- und Testsets. Zukünftige Forschungsarbeiten umfassen die Erweiterung der Leistung der Algorithmen mit neuen Datensätzen, die Erstellung und Optimierung eingebetteter KI-Modelle, den Einsatz von Edge-IoT mit eingebetteter KI für tragbare Geräte, die Implementierung einer autonomen KI-Cloud-Engine und die Umsetzung von föderiertem Lernen, um skalierbare intelligente Gesundheit im Kontext einer intelligenten Stadt bereitzustellen.