RFID based Health Adherence Medicine Case Using Fair Federated Learning

要約

服薬不履行は治療の有効性を著しく低下させますが、依然として患者の間で蔓延しています。
遵守不履行は、死亡や入院のリスク増加などの有害な転帰と関連しています。
Intelligent Drug Administration System (IDAS) や Smart Blister など、患者の服薬スケジュールの追跡を支援するさまざまな方法が存在しますが、これらのツールは商業的な実現を妨げる課題に直面することがよくあります。
IoT における用量測定と情報通信の原理に基づいて、RFID ベースのデータ記録と NFC ベースのデータ抽出を活用したスマートな健康遵守ツールである Smart Pill Case を紹介します。
このシステムには、正確な投与量測定のためのロードセルが組み込まれており、薬剤摂取量を監視し、提案を提供し、警告を発するための Android アプリを備えています。
スマート ピル ケースの有効性とパーソナライゼーションを強化するために、フェデレーション ラーニングをシステムに統合することを提案します。
フェデレーテッド ラーニングにより、Smart Pill Case は、個人のプライバシーを侵害することなく、複数のユーザーの服薬遵守パターンから学習できます。
さまざまなスマート ピルケースから収集された分散データに基づいて機械学習モデルをトレーニングすることにより、システムは推奨事項と警告を継続的に改善し、ユーザーの多様なニーズと行動に適応できます。
このアプローチにより、服薬遵守をサポートするツールの機能が強化されるだけでなく、機密のユーザー データが安全かつプライベートに保たれるようになります。

要約(オリジナル)

Medication nonadherence significantly reduces the effectiveness of therapies, yet it remains prevalent among patients. Nonadherence has been linked to adverse outcomes, including increased risks of mortality and hospitalization. Although various methods exist to help patients track medication schedules, such as the Intelligent Drug Administration System (IDAS) and Smart Blister, these tools often face challenges that hinder their commercial viability. Building on the principles of dosage measurement and information communication in IoT, we introduce the Smart Pill Case a smart health adherence tool that leverages RFID-based data recording and NFC-based data extraction. This system incorporates a load cell for precise dosage measurement and features an Android app to monitor medication intake, offer suggestions, and issue warnings. To enhance the effectiveness and personalization of the Smart Pill Case, we propose integrating federated learning into the system. Federated learning allows the Smart Pill Case to learn from medication adherence patterns across multiple users without compromising individual privacy. By training machine learning models on decentralized data collected from various Smart Pill Cases, the system can continuously improve its recommendations and warnings, adapting to the diverse needs and behaviors of users. This approach not only enhances the tools ability to support medication adherence but also ensures that sensitive user data remains secure and private.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google