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.Method and arrangement for finding new health relationships and services from dynamically collected health data from large user groups through mobile health applications, wearables and other health services using Big Data techniques combined with intelligent algorithms and analyses.
ANDVENDELSES OMRÅDE:FIELD OF APPLICATION:
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.The invention is a completely new way of finding connections and new services from dynamically collected health data from large groups through their use of mobile health applications and wearables. The invention collects health data from users in a new way, which means that you can continuously collect health parameters from large user groups and then look for connections and patterns that have not been possible before. These health relationships / patterns will thus form the basis for proactive services that can tell the user if they are about to enter a health condition / illness that they do not want and thus also come up with personalized advice based on the user's health condition. Examples of services can be "Early warnings" on high blood pressure; diabetes, heart attacks, strokes and more.
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.The market for the invention is global for all people with access to a smart phone or equivalent. The invention will be both for the healthy who want proactive notification if they are about to enter an undesirable health condition or for those who are ill and want to follow developments as best as possible in order to improve their health condition as efficiently as possible.
TEKNIKKENS STANDSTATE OF THE ART
Dagens lege praksis og helse data:Today's medical practice and health 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.In case of illness, it is common today to see a doctor. Necessary measurements are carried out to find out your current state of health. If you see different doctors, your health data will normally be scattered across different systems. Normally, the doctor does not have any continuous collection of your health data prior to an illness and what the course was. Nor is your health data actively and continuously compared to find other similar cases among similar groups with a similar history. You also don't get any proactive advice that is adapted to you and your state of health, which the invention will make possible.
Kroniske syke:Chronically ill:
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.There are many people today who walk around with chronic diseases. On rare occasions, these are given measuring devices where they have to make some measurements at specific intervals. These measurement results are then collected at specific times to undergo a post-analysis. These methods are very resource-intensive and are rarely available. Today's systems do not continuously analyze and make no comparisons with others in the same condition as you. There is also no "live" intelligent proactive notification should unwanted results occur.
Helse App'er:Health Apps:
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.Today there are a number of health apps. Most of these are aimed at exercise and diet. These often show your history and development. Some of these are also connected to wearables that measure how much you move. But there is no correlation between these Apps and they do not compare with other people's data to find connections or be able to give you new advice based on this.
HealthKit, GoogleFit og S-HealthHealthKit, GoogleFit and 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.This is the storage of your health data for iOS, Android and Samsung devices respectively. This is only a system for storing your personal health data. If the user allows, the different Apps in the same platform can update/read your health data. This is a pure creation without any kind of processing or attempt to see connections / patterns with other people's health data or your previous history and development. There is also no form of proactive personal advice based on this. And if the user wants to switch platforms, for example from iOS to Android, the user must be prepared to lose this data.
HVA SOM OPPNÅS I FORHOLD TILTEKNIKKENS STANDWHAT IS ACHIEVED IN RELATION TO THE STATE OF THE ART
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.Based on what is available from various technologies today, this invention contains a completely new way of finding new health contexts and services from dynamically collected health data from large user groups through mobile health applications, "wearables" (sensors that you carry with you) and other health services using Big Data techniques combined with intelligent algorithms and analyses. The invention will also store the health data in a new way in a neutral secured Big Data platform optimized for continuous reading of health data from large groups. In addition, it will be new that the invention continuously intelligently searches for connections / patterns that can lead to new proactive services that can proactively notify users of health conditions that can be prevented and/or avoided. This will be able to provide improved health for many, as well as save society from large health costs.
HVILKE MIDLER SOM ER NØDVENDIGEWHAT FUNDS ARE NECESSARY
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.The invention needs users with mobile phones and wearables to collect data. Big Data platform for continuous storage of health data and a set of intelligent algorithms and analyzes that search for connections and patterns that can be translated into rules that lead to personalized proactive health advice.
INDUSTRIELL UTNYTTELSEINDUSTRIAL EXPLOITATION
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.The invention will be both for the healthy who want proactive notification if they are about to enter an undesirable health condition or for those who are ill and want to follow developments as best as possible in order to improve their health condition as efficiently as possible. The invention will be of great importance to everyone who is concerned with health and will be able to obtain large societal health savings. The invention will enable a continuous collection of health data from large groups and see completely new connections/patterns that have not been possible before, which in turn form the basis for completely new proactive advice to avoid unwanted health conditions.
BESKRIVELSE AV OPPFINNELSENDESCRIPTION OF THE INVENTION
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.Based on all of the above, there is a need to find new health relationships/patterns and services from dynamically collected health data from large user groups that enable new proactive automatic advice to avoid unwanted health conditions. The above-mentioned problems are addressed by the invention which is described in the following.
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.The invention is a completely new way of finding new health connections / patterns and services based on dynamically collected health data from large user groups using mobile phones, wearables, Big Data techniques combined with intelligent algorithms and analyses.
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.Based on Fig 1, the invention consists of the collection of health data from various sources such as Apps running on a mobile phone (10), health data from Healthkit, GoogleKit, S-Health which are closed storage solutions (20) for iOS respectively, Android and Samsung or others, from the phone's storage(30), data from other healthcare services by integration with their APIs(50) or from "wearables"(60) or other sensors that measure health-related parameters. The health data is continuously transferred using a program interface (API) (100) to a Big Health Data platform (llO) as raw data ("Dummy data"). Other relevant health data from user behavior / interaction(70), together with other medical sources(80) such as health news, social networks, web pages, databases, registers, medical trials or other relevant health information and environmental parameters such as location , time, height, weather, movements, statistics, duration or similar are also transferred to Big Health Data(llO) as general additional information.
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.The health data that is continuously stored in a Big Data structure (110) is then made available to a set of intelligent algorithms and analyses(120) that continuously look through all the data to find connections / patterns or enough knowledge about the data so that one can form " rules" which can form the basis for proactive insight/services to improve your health and avoid unwanted health conditions. This insight together with the services is then sent back to the original health sources through an API(IOO). Examples of this could be a wearable(60) such as a smart watch that measures pulse, temperature and stress level and which continuously transfers this to Big Health Data(llO). Based on measurements from this over a period of time, with the help of algorithms and analysis(120), one will be able to see changes in the user's patterns, compare with others of the same weight, gender, age and compare with those who have, for example, had a heart attack. In this way, you can see that a user is moving towards the same type of patterns that others had just before they had a heart attack. This can then lead to a proactive advice/"warning" that can be communicated on the smart watch before you have a heart attack yourself.
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.The system flow of the invention is described in Figure 2. Start by getting the user's permission (200) to access the user's health data. This often happens when installing the App on the mobile phone or through other natural confirmation from the user. If the user gives permission, start reading (220) from the relevant source. This reading of health data will take place continuously either at specific time intervals or dynamically in the event of changes to the health data. This data is then stored (240) in a secure manner in a Big Data storage platform that can handle large amounts of data from many simultaneous users. In addition to health data from users, the invention will also be able to collect general health data (230) from users' behavior and use of health apps (70), other medical sources (80) such as news, social media, web pages, databases, registers , medical trials or other relevant health information, as well as environmental parameters (90) such as location, time, height, weather, movements, duration, statistics or other relevant parameters that may have an impact on your health condition and development.
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.The invention will thus, using all collected health information, start and look for connections / patterns using algorithms and intelligent analysis(120) in order to be able to send insights and services back to the user(260). Examples of this could be proactive "warnings" that you are now in the process of developing diabetes, high blood pressure, heart attack etc. Another example could be following patients who already have a disease and being able to give advice along the way so that this health develops at its best.
Denne prosessen gjentar seg for alle brukere som gir tillatelse(200). Dersom en bruker ikke gir tillatelse, finn neste bruker(210).This process is repeated for all users who grant permission(200). If a user does not give permission, find the next user (210).
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| NO20141501ANO20141501A1 (en) | 2014-12-11 | 2014-12-11 | Method and arrangement for finding new health relationships / services from dynamically collected health data from large user groups through mobile apps, wearables and other health services using Big Data combined with intelligent algorithms and analytics |
| PCT/NO2015/050243WO2016093707A1 (en) | 2014-12-11 | 2015-12-11 | System and method for services and collection of data related to health data in big data databases |
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| NO20141501ANO20141501A1 (en) | 2014-12-11 | 2014-12-11 | Method and arrangement for finding new health relationships / services from dynamically collected health data from large user groups through mobile apps, wearables and other health services using Big Data combined with intelligent algorithms and analytics |
| Publication Number | Publication Date |
|---|---|
| NO20141501A1true NO20141501A1 (en) | 2016-06-13 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| NO20141501ANO20141501A1 (en) | 2014-12-11 | 2014-12-11 | Method and arrangement for finding new health relationships / services from dynamically collected health data from large user groups through mobile apps, wearables and other health services using Big Data combined with intelligent algorithms and analytics |
| Country | Link |
|---|---|
| NO (1) | NO20141501A1 (en) |
| WO (1) | WO2016093707A1 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108735293A (en)* | 2018-05-10 | 2018-11-02 | 北京健安九州科技有限公司 | The healthy and safe monitoring-testing device of track train crew member |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020019586A1 (en)* | 2000-06-16 | 2002-02-14 | Eric Teller | Apparatus for monitoring health, wellness and fitness |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090326981A1 (en)* | 2008-06-27 | 2009-12-31 | Microsoft Corporation | Universal health data collector and advisor for people |
| US20100169108A1 (en)* | 2008-12-31 | 2010-07-01 | Microsoft Corporation | Distributed networks used for health-based data collection |
| US9305140B2 (en)* | 2012-07-16 | 2016-04-05 | Georgetown University | System and method of applying state of being to health care delivery |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020019586A1 (en)* | 2000-06-16 | 2002-02-14 | Eric Teller | Apparatus for monitoring health, wellness and fitness |
| Title |
|---|
| YANG , L. et al. Building a Cloud-based Platform for Personal Health sensor Data Management, IEEE-EMBS International Conference on Biomedical and Health Informatics, 2014.06.01, Conference Proceedings Article. , Dated: 01.01.0001* |
| Publication number | Publication date |
|---|---|
| WO2016093707A1 (en) | 2016-06-16 |
| Publication | Publication Date | Title |
|---|---|---|
| Otoom et al. | An IoT-based framework for early identification and monitoring of COVID-19 cases | |
| Vayena et al. | Digital health: meeting the ethical and policy challenges | |
| Fukazawa et al. | Predicting anxiety state using smartphone-based passive sensing | |
| US10049183B2 (en) | Method for analyzing health signal to respond to infectious disease and apparatus thereof | |
| Babu et al. | Wearable devices: implications for precision medicine and the future of health care | |
| US10957452B2 (en) | Therapy recommendation | |
| US10095753B2 (en) | Aggregation and generation of confidential data insights with confidence values | |
| JP6533243B2 (en) | Provision apparatus, provision method, and provision program | |
| US20210082577A1 (en) | System and method for providing user-customized prediction models and health-related predictions based thereon | |
| Mina et al. | Let technology do the work: improving prediction of massive transfusion with the aid of a smartphone application | |
| Chattopadhyay et al. | Integration of machine learning and IoT in healthcare domain | |
| US20160012193A1 (en) | System, method and computer program product for disease monitoring and identification | |
| Srinivasagopalan | A cloud-based framework for personalized health insurance recommendations: Leveraging multi-attribute utility theory for enhanced user experience | |
| US10025939B2 (en) | Internal dataset-based outlier detection for confidential data in a computer system | |
| Ceolini et al. | Temporal clusters of age-related behavioral alterations captured in smartphone touchscreen interactions | |
| US10255457B2 (en) | Outlier detection based on distribution fitness | |
| US11842810B1 (en) | Real-time feedback systems for tracking behavior change | |
| JP2022080832A (en) | Program, method, information processing apparatus, and system | |
| Ajitha et al. | Healthcare infrastructure in future smart cities | |
| NO20141501A1 (en) | Method and arrangement for finding new health relationships / services from dynamically collected health data from large user groups through mobile apps, wearables and other health services using Big Data combined with intelligent algorithms and analytics | |
| Ahmed et al. | Towards a user-level self-management of COVID-19 using mobile devices supported by artificial intelligence, 5G and the cloud | |
| Arulananthan et al. | Smart Health–Potential and Pathways: A Survey | |
| Gadey et al. | Technologies for monitoring activities of daily living in older adults: a systematic review | |
| Murnane et al. | Mobile and sensor technology as a tool for health measurement, management, and research with aging populations | |
| de Araújo et al. | DZC DIAG: mobile application based on expert system to aid in the diagnosis of dengue, Zika, and chikungunya |
| Date | Code | Title | Description |
|---|---|---|---|
| FC2A | Withdrawal, rejection or dismissal of laid open patent application |