基于RFID的公平联邦学习健康依从性药盒
机器学习
2024-08-22 v1
摘要
用药不依从性显著降低了治疗的有效性，然而它在患者中仍然普遍存在。不依从性与不良后果相关，包括死亡率和住院风险的增加。尽管存在各种方法帮助患者追踪用药计划，例如智能给药系统（IDAS）和智能泡罩包装，但这些工具常常面临阻碍其商业可行性的挑战。基于物联网中剂量测量和信息通信的原理，我们引入了智能药盒——一种利用基于RFID的数据记录和基于NFC的数据提取的智能健康依从性工具。该系统集成了一个用于精确剂量测量的称重传感器，并配备了一款用于监测药物摄入、提供建议和发出警告的安卓应用。为了增强智能药盒的有效性和个性化，我们提出将联邦学习集成到系统中。联邦学习允许智能药盒在不损害个人隐私的情况下，从多个用户的用药依从模式中学习。通过在从各种智能药盒收集的分散数据上训练机器学习模型，系统可以持续改进其建议和警告，适应多样化的用户需求和行为。这种方法不仅增强了工具支持用药依从性的能力，还确保了敏感用户数据的安全和隐私。
引用
@article{arxiv.2408.11782,
title = {RFID based Health Adherence Medicine Case Using Fair Federated Learning},
author = {Ali Kamrani khodaei and Sina Hajer Ahmadi},
journal= {arXiv preprint arXiv:2408.11782},
year = {2024}
}