NO20141501A1

NO20141501A1 - Metode og arrangement for å finne nye helse sammenhenger/tjenester fra dynamisk innsamlet helsedata fra store bruker grupper gjennom mobile apps, wearables og andre helse tjenester ved bruk Big Data kombinert med intelligente algoritmer og analyser

Info

Publication number: NO20141501A1
Application number: NO20141501A
Authority: NO
Inventors: Harald Jellum
Original assignee: Your Md As
Priority date: 2014-12-11
Filing date: 2014-12-11
Publication date: 2016-06-13
Also published as: WO2016093707A1

Description

Metode og arrangement for å finne nye helse sammenhenger og tjenester fra dynamisk innsamlet helsedata fra store bruker grupper gjennom mobile helse applikasjoner, «wearables» og andre helse tjenester ved bruk Big Data teknikker kombinert med intelligente algoritmer og analyser.

ANDVENDELSES OMRÅDE:

Oppfinnelsen er en helt ny måte å finne sammenhenger og nye tjenester fra dynamisk innsamlet helse data fra store grupper gjennom deres bruk av mobile helse applikasjoner og «wearables». Oppfinnelsen innsamler helse data fra brukerne på en ny måte og som gjør at man kontinuerlig kan innsamle helse parametere fra store bruker grupper for deretter å se etter sammenhenger og mønstre som ikke før har vært mulig. Disse helse sammenhengene / mønstrene vil således danne grunnlag for proaktive tjenester som kan fortelle brukeren om en er i ferd med å komme inn i en helse tilstand / sykdom man ikke ønsker og dermed også komme med personlig tilpassede råd basert på brukerens helse tilstand. Eksempler på tjenester kan være «Early warnings» på høyt blod trykk; diabetes, hjerteinfarkt, slag med mer.

Markedet for oppfinnelsen er globalt for alle mennesker med tilgang til en smart telefon eller tilsvarende. Oppfinnelsen vil være både for de friske som ønsker proaktiv varsling dersom de er i ferd med å gå inn i en uønsket helse tilstand eller for de som er syke og ønsker å følge utvikling best mulig for å bedre sin helse tilstanden så effektiv som mulig.

TEKNIKKENS STAND

Dagens lege praksis og helse data:

Ved sykdom er det i dag vanlig å oppsøke lege. Nødvendige målinger blir utført for å finne ut av din nåværende helsetilstand. Dersom du oppsøker forskjellige leger vil din helse data normalt foreligge spredt på ulike systemer. Normalt har ikke legen noen kontinuerlig innsamling av din helse data forut for en sykdom og hva som var forløpet. Dine helse data blir heller ikke sammenliknet aktivt og kontinuerlig for å finne andre lignende tilfeller blant tilsvarende grupper med tilsvarende forløp. Man får heller ingen proaktive råd som er tilpasset deg og din helse tilstand som oppfinnelsen vil muliggjøre.

Kroniske syke:

Det finnes i dag mange som går rundt med kroniske sykdommer. Disse får ved sjeldne anledninger utlevert måleapparater hvor de skal gjøre noen målinger på bestemte intervaller. Disse måleresultatene blir så innsamlet på bestemte tidspunkter for så å gjennomgå en etter-analyse. Disse metodene er svært ressurskrevende og er i liten grad tilgjengelig. Dagens systemer analyserer ikke kontinuerlig og gjør ingen sammenligninger med andre i samme tilstands som deg. Det er heller ingen «live» intelligent proaktiv varsling dersom uønskede resultater skulle forekomme.

Helse App'er:

Det finnes i dag en rekke helse App'er. De fleste av disse er rettet mot trening og kosthold. Disse viser ofte din historie og utvikling. Noen av disse er også koblet til «wearables» som måler hvor mye du beveger deg. Men det er ingen korrelasjon mellom disse App'ene og de sammenlikner ikke med andres data for å finne sammenhenger eller kunne gi deg ny råd basert på dette.

HealthKit, GoogleFit og S-Health

Dette er lagring av dine helsedata for henholdsvis iOS, Android og Samsung enheter. Dette er kun et system for lagring av dine personlige helse data. Dersom bruker tillater kan de forskjellige App'ene i samme plattform oppdatere/lese dine helse data. Dette er en ren laging uten noen form for bearbeidelse eller forsøk på å se sammenhenger / mønstre med andres helse data eller din tidligere historikk og utvikling. Det er heller ingen form for proaktive personlige råd basert på dette. Og dersom bruker ønsker å bytte plattform f.eks fra iOS til Android må bruker belage seg på å miste disse dataene.

HVA SOM OPPNÅS I FORHOLD TILTEKNIKKENS STAND

Basert på det som finnes av ulike teknologier i dag inneholder denne oppfinnelsen en helt ny måte å finne nye helse sammenhenger og tjenester fra dynamisk innsamlet helsedata fra store bruker grupper gjennom mobile helse applikasjoner, «wearables» (sensorer som en bærer med seg) og andre helse tjenester ved bruk Big Data teknikker kombinert med intelligente algoritmer og analyser. Oppfinnelsen vil også lagre helsedataene på en ny måte i en nøytral sikret Big Data plattform optimalisert for kontinuerlig avlesing av helse data fra store grupper. I tillegg vil det være nytt at oppfinnelsen kontinuerlig intelligent søker etter sammenhenger / mønstre som kan før til nye proaktive tjenester som proaktivt kan varsle brukere om helseforhold som kan forebygge og eller unngå. Dette vil kunne gi forbedret helse for svært mange, samt spare samfunnet for store helse kostander.

HVILKE MIDLER SOM ER NØDVENDIGE

Oppfinnelsen trenger brukere med mobil telefoner og «wearables» for innsamling av data. Big Data plattform for kontinuerlig lagring av helse dataene og ett sett med intelligente algoritmer og analyser som søker etter sammenhenger og mønstre som kan omsettes til regler som fører til personaliserte proaktive helse råd.

INDUSTRIELL UTNYTTELSE

Oppfinnelsen vil være både for de friske som ønsker proaktiv varsling dersom de er i ferd med å gå inn i en uønsket helse tilstand eller for de som er syke og ønsker å følge utvikling best mulig for å bedre sin helse tilstanden så effektiv som mulig. Oppfinnelsen vil være av stor betydning for alle som er opptatt av helse og vil kunne få store samfunnsmessige helse besparelser. Oppfinnelsen vil muliggjøre en kontinuerlig innsamling av helse data fra store grupper og se helt nye sammenhenger/ mønstre som ikke før har vært mulig som igjen danner grunnlaget for helt nye proaktive råd for å unngå uønskede helsetilstander.

BESKRIVELSE AV OPPFINNELSEN

Basert på alt det ovennevnte er det behov for å finne nye helse sammenhenger/mønstre og tjenester fra dynamisk innsamlet helsedata fra store bruker grupper som muliggjør nye proaktive automatiske råd for å unngå uønskede helse tilstander. De ovennevnte problemstillinger er adressert av oppfinnelsen som er beskrevet i det følgende.

Oppfinnelsen er en helt ny måte å finne nye helse sammenhenger / mønstre og tjenester basert på dynamisk innsamlet helse data fra store bruker grupper ved bruk av mobil telefoner, «wearables», Big Data teknikker kombinert med intelligente algoritmer og analyser.

Med utgangspunkt i Fig 1 består oppfinnelsen av innsamling av helse data fra ulike kilder som App'er kjørende på en mobil telefon(lO), helse data fra Healthkit, GoogleKit, S-Health som er lukkede lagrings løsninger(20) for henholdsvis iOS, Android og Samsung eller andre, fra telefonens lagre(30), data fra andre helsetjenester ved integrasjon med deres API'er(50) eller fra «wearables»(60) eller andre sensorer som måler helse relaterte parametere. Helsedataene overføres kontinuerlig ved hjelp av et program grensesnitt (API) (100) til en Big Health Data plattform(llO) som rå data («Dummy data»). Andre relevante helse data fra bruker adferd / interaksjon(70), sammen med andre medisinske kilder(80) som helse nyheter, sosiale nettverk, web sider, databaser, registre, medisinske forsøk eller annen relevant helse informasjon og omgivelses parametere som f. eks sted, tid, høyde, vær, bevegelser, statistikk, varighet eller tilsvarende overføres også til Big Health Data(llO) som generell tilleggs informasjon.

Helse dataene som kontinuerlig lagres i en Big Data struktur (110) gjøres så tilgjengelig for et sett med intelligente algoritmer og analyser(120) som kontinuerlig ser gjennom alle dataene for å finne sammenhenger / mønstre eller nok kunnskap om dataene slik at en kan danne «regler» som kan danne grunnlaget for proaktiv innsikt/ tjenester for bedring av din helse samt unngå uønskede helse tilstander. Denne innsikten sammen med tjenestene sendes så tilbake til de opprinnelige helse kildene gjennom et API(IOO). Eksempler på dette kan være en wearable(60) som en Smart klokke som måler puls, temperatur og stress nivå og som kontinuerlig overfører dette til Big Health Data(llO). Basert på målinger fra denne over en periode vil en med hjelp av algoritmer og analyse(120) kunne se endringer i brukerens mønstre, sammenlikne med andre med samme vekt, kjønn, alder samt sammenlikne med de som f. eks har fått hjerte infarkt. På denne måten kan en se at en bruker beveger seg mot samme type mønstre som andre har hatt rett før de har fått hjerte infarkt. Dette kan så lede ut til en proaktiv råd/ «warning» som kan formidles på Smart klokken før en får hjerte infarkt selv.

Oppfinnelsens system flyt er beskrevet i Figur 2. Start med å få brukerens tillatelse(200) til å få tilgang til brukers helse data. Dette skjer ofte ved innstallering av App på mobil telefonen eller gjennom annen naturlig bekreftelse fra bruker. Dersom bruker gir tillatelse, start avlesning(220) fra relevant kilde. Denne lesingen av helse data vil pågå kontinuerlig enten ved bestemte tidsintervaller eller dynamisk ved endringer av helse dataene. Disse dataene lagres (240) så på en sikker måte i en Big Data lagrings plattform som kan håndtere store data mengder fra mange samtidige brukere. I tillegg til helsedata fra brukere vil oppfinnelsen også kunne hente inn generell helse data(230) fra brukers adferd og bruk av helse App'er(70), andre medisinske kilder(80) som nyheter, sosiale medier, web sider, databaser, registre, medisinske forsøk eller annen relevant helse informasjon, samt omgivelses parametere(90) som f. eks lokasjon, tid, høyde, vær, bevegelser, varighet, statistikk eller andre relevant parametere som kan ha påvirkning av din helse tilstand og utvikling.

Oppfinnelsen vil således ved bruk av all innsamlet helse informasjon starte og se etter sammenhenger / mønstre ved bruk av algoritmer og intelligent analyse(120) for å kunne sende innsikt og tjenester tilbake til brukeren(260). Eksempler på dette kan være proaktive «warnings» på at du nå er i ferd med å utvikle diabetes, høyt blodtrykk, hjerte infarkt etc. Ett annet eksempel kan være å følge pasienter som allerede har en sykdom og kunne gi råd underveis slik at denne helsen utvikler seg på best mulig.

Denne prosessen gjentar seg for alle brukere som gir tillatelse(200). Dersom en bruker ikke gir tillatelse, finn neste bruker(210).

Claims

1. Metode og arrangement for å finne nye helse sammenhenger og tjenester fra dynamisk innsamlet helsedata fra store bruker grupper gjennom mobile helse applikasjoner, «wearables» og andre helse tjenester ved bruk Big Data teknikker kombinert med intelligente algoritmer og analyser som gjør det mulig å finne nye helse sammenhenger / mønstre som vil lede til nye tjenester som proaktivt kan varsle brukere om uønskede helseforholdkarakterisert vedat den omfatter en metode og arrangement bestående av: a) Kombinasjon av avlesning av helse data kilder(10-60, 70-90) som lagres ved hjelp av Big Data(100, 240) kombinert med Algoritmer og Intelligent analyse(120,250) for å finne nye sammenhenger og innsikt som kan gi bruker proaktive helse råd (260); b) hvor avlesingen skjer dynamisk gjennom et API(IOO) som kan integreres med Mobile App'er(10), felles lagrings strukturer(20), mobilens minne(30), sensorer på mobil telefon(40), andre helse tjenester(50) og med «wearables» (sensorer en bærer med seg)(60); c) og hvor denne informasjonen lagres i en Big Data plattform(110, 240); d) og som gjøres tilgjengelig for Algoritmer og Intelligent analyse(120); e) som finner nye sammenhenger / mønstre som danner grunnlag for å varsle bruker om uønsket helse utvikling.

2. Metode og arrangement ifølge krav 1,karakterisert vedat Big Health Data(llO) i tillegg til helse data fra brukere (10-60) også kan innhente data fra brukers adferd(70) som søk, navigasjon, sidevisninger etc.

3. Metode og arrangement ifølge krav 1,karakterisert vedat Big Health Data(llO) i tillegg til helse data fra brukere (10-60) også kan innhente data fra andre kilder(80) med helse informasjon som nyheter, sosiale nettverk, forum, blogger, registre, medisinske forsøk, pasient journaler eller annen relevant helse informasjon.

4. Metode og arrangement ifølge krav 1,karakterisert vedat Big Health Data(llO) i tillegg til helse data fra brukere (10-60) også kan innhente data fra omgivelses kilder(90) som kan påvirke helsen som lokasjon, tid, varighet, høyde, trykk, vær, bevegelser og aktivitet, statistikk og sannsynligheter relatert til helse eller annen lignende omgivelses informasjon.

5. Metode og arrangement ifølge krav 1-2,karakterisert vedat Avles helse data fra relevant kilde(220) også kan inkludere målinger utført av lege eller annet helse personell.

6. Metode og arrangement ifølge krav 1,karakterisert vedat Big Health Data(llO) lagrer helse data på en sikker måte i henhold til gjeldene reglement.

7. Metode og arrangement ifølge krav 1,karakterisert vedat Big Health Data(llO) er nøytral slik at brukere kan aksessere sine helse data gjennom en ulike enheter som mobil telefoner, nettbrett, PC, MAC, «Phablets», Portaler, andre applikasjoner.

8. Metode og arrangement ifølge krav 1,karakterisert vedat API(IOO) er et generelt grensesnitt som kan integreres med mobile App'er, PC / MAC programmer, Internett tjenester, instrumenter eller andre former for enheter som inneholder helse data.

9. Metode og arrangement ifølge krav 1,karakterisert vedat Algoritmer og Intelligent analyse(120) kan finne sammenhenger / mønstre som danner grunnlag for regler som igjen kan føre til tjenester som kan gi brukere råd om de er i ferd med å utvikle en uønsket helsetilstand.

10. Metode og arrangement ifølge krav 1,karakterisert vedat Algoritmer og Intelligent analyse(120) kan gi proaktive råd til friske personer som ønsker å unngå sykdom eller til syke som ønsker å bli mest mulig effektivt friske igjen.

11. Metode og arrangement ifølge krav 1,karakterisert vedat Algoritmer og Intelligent analyse kan sende innsikt og tjenester(260) i mange former tilbake til brukeren som notifikasjoner i en App, direkte til «wearables», via email, via Bluetooth, via WiFi, SMS/MMS eller andre former for informasjons overførsler.

12. Metode og arrangement ifølge krav 1,karakterisert vedat Algoritmer og Intelligent analyse kan finne andre brukere som har samme helse forhold og kan initiere en kontakt mellom disse dersom det erønskelig.

13. Metode og arrangement ifølge krav 1,karakterisert vedat Algoritmer og Intelligent analyse kan finne hvordan ens helse er sammenliknet med andre grupper som f. eks med samme alder, kjønn, vekt, aktivitet, puls eller andre relevante forhold.

14. Metode og arrangement ifølge krav 1,karakterisert vedat Algoritmer og Intelligent analyse kan finne indikasjoner på ens biologiske alder eller andre tilsvarende simuleringer.