DIY self analytics

One of the esential requirements for a useful implementation of the Health 4.0 using or not IoT MD (medical devices) is the requirement to manage the HSD (health small data) analytics.

As clearly stated by most of the studies the main drawback not to use HSD analytics is the lack of knowledge.

Therefore it is necessary to find out less complex tools for data analysis that allow a DIY self analytics, considering the complexity of knowledge require in analytic tools and the absolutely lack of this knowledge among healthcare workers.

We have been supporting to change the requirement to train doctors and completely modify medical and health-related training carriers. We require to face XXI century knowledge: (1) on what everything is available on line even in 3D reconstructions and in where (2) diagnosis is based in the coincidence of symptoms and signs and analytics that can easily carried out by a computer and where (3) computers can build individual anatomic & physiologic models. Under those circumstance a carrier of medicine should contain a mix of self-surveillance tools guided by ML (machine learning), emergency  and survival procedures (never tough in the carrier) and physio pathology and metabolic knowledge (superficially tough) together with a number of diagnostic diseases, syndromes and genetic conditions and its associated treatment.

The rest should be left for the computers to update agreement treatments, prognostic factors, available resources…

See also AI versus MD.

If you do not beleave it, just check the situation in NHS, but always take into consideration that the average concept of training have to be updated.

Edge computing vs Fog computing

Diferences between Mobile Edge Computing (MEC) and OpenFog is based mainly in

  • Fog covers mobile but also wireline
  • Fog covers edge but also access and wearable/things and intermediate layers between edge and cloud
  • Fog addresses verticals beyond the mobile/service provider
  • MEC standards are largely compute oriented, where the OpenFog Consortium’s reference architecture also embraces storage and deep packet networking
  • MEC focuses on single layer of nodes in the RAN (Radio Access Network)- Open RAN MEC– or base transceiver station (BTS), whereas fog computing can have a deeper hierarchy
  • Fog computing has a stronger emphasis on security/privacy
  • Finally, fog is inclusive of cloud, while edge excludes the cloud.

One key element of 5G is likely to be Mobile Edge Computing (MEC), an emerging standard that extends virtualized infrastructure into the radio access network (RAN). ETSI has created a separate working group for it — the ETSI MEC ISG — with about 80 companies involved.  MEC uses a lot of NFV infrastructure to create a small cloud at the edge,”

The 8 Technical pilars on which the Architecture of the OpenFog is based are summarized on the image above taken from the  OpenFog_Reference_Architecture_2_09_17-FINAL .

See also The 10 myths of Fog computing.

Welcome Fog computing, bye bye cloud computing

This is the tesis of Peter Levine that we agree with:

Most of power computation will be carried out by IoTs in the Edge computing, particularly in Health. Changes of management and architecture have to drastically change in healthcare in order to allow personalized help and coaching in the HFOG with the use of a real intelligence with the Deep Learning working in the cloud.

This is the approach of the Humanization of Healthcare (H2O) using Personal Health Assistants (PHAs) as essential in H2H interation.

edge-computing

Guardar

Guardar

Cognitoys. More important for doctors then for children.

Artificial Intelligence Will Redesign Healthcare. Yes, but several goals should be achieved first. We mention here what we consider the most important:

  1. creation of ethical standards which are applicable to and obligatory for the whole healthcare sector
  2. The acquirement of basic knowledge about how AI works in a medical setting  and both patients and doctots should getting accustomed to artificial intelligence and discovering its benefits. With or without the aids of Cognitoys, to change medical training is extraordinary urgent.
  3. Not in vane this will be the next industrial revolution and will be specially sensitive for healthcare based upon Small data (not big data).

Ciber-physical systems

Innovacion en Health 4.0

La Curva “S” nos permite reflexionar sobre los comportamientos frente a las discontinuidades tecnológicas (ver Juan Carrion).

curva-s-innovación

Las etapas de la Curva “S” son:

Etapa 1: Aparece una nueva tecnología que se encuentra todavía en fases de desarrollo y mejora, por lo que no ofrece competencia directa a la anterior. En este punto parece que su aplicación será muy limitada en el futuro y su éxito es incierto. Esta fase se suele prolongar un largo periodo de tiempo, durante el cual la nueva tecnología es perfeccionada.

Etapa 2: Finalmente el uso de la nueva tecnología se desarrolla a gran velocidad, ofreciendo grandes ventajas y superando a la anterior en varias, sino en todas, las dimensiones de rendimiento. Las empresas que utilizan la antigua tecnología reaccionan y se defienden intentando mejorar su producto / proceso, por lo que pueden aparecer ciertas innovaciones incrementales, que no permiten superar a la larga a la nueva tecnología.

En Health 4.0 y telemedicina, no sabemos donde estamos ya que en la cultura innovadora de Gary Hamel los dones que las potencian no se comparten y la empresa sanitaria tan legislada-controlada posee gran dificultad en introducir innovaciones duraderas en el tiempo ya que solo pueden ir de la mano de grandes empresas comerciales capaces de sortear y dominar la totalidad de los controles de calidad con el tiempo.

innovacion

Quiza la solucion para acelerar el cambio esté en la filosofia open-source, la del software libre que permita que todos llevemos a cabo una mejoría sin los limites y cortapisas de patentes e intereses comerciales y que cultivarian los 3 dones innovadores de Iniciativa+Creatividad+Pasion.

Africa first in mobile health

Why could be Africa be the first in mHealth and Health 4.0?

It is very simple to understand:

1.- Sharing economy is in the genes of the African country and African citizens.

2.- Africa is the fist continent in the world in mMoney and therefore experienced & prepared to move to other require need as it is “health”

3.- Africa is according to WHO the fist continent in density of nurses per inhabitant, and nurses are the essential counterpart to bring Health 4.0.

4.- Reverse Innovation allow to get gagets capabable to be medical devices with enough quality of care for distant health under the DIY model.

5.- Intelligence based Medicine (MIB) will be available using open source Deep Learning and Machine Learning working in the Fog and supported if required over NSX, in Africa or anywhere in the world.

The thing not solve are expenses link to pharmaceutical treatments, but even delivery can be solved with “drones”.

SHARING ECONOMY in Africa

Conference at Campus Africa 2016.

RSC en la gran empresa sanitaria

Nunca he entendido que en la Responsabilidad Social Corporativa-RSC empresarial solo estuvieran representadas las empresas que contaminan, que son multinacionales, que estan deslocalizadas y explotan los RRHH de paises terceros… Para mi tanta RSC tienen las empresas privadas como las publicas y muy especialmente la gran empresa sanitaria.

Las razones son multiples:

1.- Explotan los RRHH que poseen

2.- No atienden a sus clientes holisticamente sino de forma puntual curativa, arreglando una cosa y desarreglando las demás.

3.- No se preocupa ni del bienestar de sus trabajadores a los que agota con guardias y sobrecarga asistencia, ni del bienestar de sus pacientes a los que no evita enfermedades.

Alguien puede explicarme porque la “Sanidad” no tiene RSC… Será porque es deficitaria y no hay superavit que pueda invertir en estos aspectos, pero otras entidades preocupadas por los mismos (vease las Catedras de RSC del Santander…) si deberian tomar en consideracion que la Sanidad necesita a todas luces planes de RSC.

Logo-Red-Catedras-Santander31

Uno de los elementos esenciales a nuestro juicio de RSC en sanidad es la accesibilidad (evitar desplazamientos innecesarios), la equidad, la eficiencia, la prevencion, la atencion a los mayores, la atencion holistica socio-sanitaria y la mayoria de estos aspectos se alcanzan proporcionando Telemedicina y Salud electronica con el Internet de las cosas. En definitiva: Humanizando la Sanidad. Por eso creemos firmemente en el papel de la enfermeria digital y su role esencial en la creación de Asistentes Sanitarios Personales capaces de usar los datos personales a distancia de los pacientes para mejorar su calidad de vida y prevenir enfermedades.

Cojamos un ejemplo cualquiera:  Responsabilidad social corporativa: hacia la ética empresarial – Infoautónomos. Veamos los ámbitos concretos en los que podemos actuar para que la Sanidad pueda tener un impacto más positivo en la sociedad utilizando exactamente sus mismos argumentos:

a) Responsabilidad interna. Una empresa son las personas que forman parte de ella. Por eso, si tenemos empleados o colaboradores, debemos preocuparnos por cuidarlos bien y mantenerlos motivados. Recordad que son el mayor activo de nuestro negocio. Algunas acciones de este tipo son, por ejemplo:

  • Establecer horarios flexibles que permitan la conciliación entre el trabajo y la vida privada, favoreciendo el teletrabajo.
  • Fomentar la igualdad de género. Ofrecer salarios dignos.
  • Promover la formación, particularmente en zonas aisladas.
  • Prevenir los riesgos laborales.
  • Realizar acciones de team building.
  • Poner en marcha acciones sociales y de voluntariado para aumentar la concienciación de los empleados (donaciones de sangre, colaboraciones con ONG, recogidas de alimentos, etc.).

b) Responsabilidad con el mercado. Tenemos que dar a nuestros consumidores la importancia que realmente tienen. En este sentido, es necesario que los valores empresariales velen por la calidad de los productos o servicios. También debemos ofrecer una buena atención  al cliente, ser lo más transparentes posible y no engañar ni hacer falsas promesas.

c) Responsabilidad medioambiental. Los recursos naturales del planeta son limitados. Sin embargo, nuestra huella ecológica no deja de crecer, lo que supone una mayor contaminación y un efecto directo sobre el cambio climático. Para minimizar el impacto de nuestra empresa en el entorno, podemos recurrir a acciones tan sencillas como estas:

  • Reciclar todos los desechos que produzcamos. En un negocio, el volumen de papel que generamos al año es abrumador.
  • Ahorrar agua y electricidad. Es fundamental apagar luces y ordenadores cuando no los necesitemos y mantener una temperatura adecuada.
  • Promover una movilidad más sostenible. Por ejemplo, optimizando el número de desplazamientos, compartiendo coche o comprando vehículos menos contaminantes, en el caso de que sean un activo más de la compañía.
  • Evitar envoltorios innecesarios en nuestros productos.
  • Invertir en procesos de producción que consuman menos recursos.

d) Responsabilidad con la comunidad. En el ámbito social, existen multitud de causas con las que colaborar. Si no sabemos muy bien cómo empezar podemos pedir consejo a alguna ONG o asociación para que nos den unas pautas básicas. En cualquier caso, estas son algunas actividades interesantes:

    • Integrar en el mundo empresarial a colectivos en riesgo de exclusión o con dificultades para acceder al empleo.
    • Promover la igualdad de oportunidades entre mujeres y hombres.
    • Apoyar actividades sociales y deportivas.
    • Ofrecer formación o asesoramiento gratuito.
    • Velar por nuestros mayores.

Habrán podido identificar numerosas acciones esenciales en la RSC de la Sanidad.

Health 4.0 and Industry 4.0

­

We have already introduce the differences between MACHINE LEARNING (ML) and DEEP LEARNING (DL) in our previous post.  The first require programming to encode the information the second is unsupervised.

ML- MACHINE LEARNING can identify normal conditions, abnormal conditions, and exactly match patterns that indicate degradation and impending process excursions or asset failure well before they happen.

It can predict an accurate time-to-failure indicating precisely

WHEN a known failure will occur,

HOW the failure will occur, and

WHAT to do about it; derived from Prescriptive advice such as the exact failure code directly linked from the EAM system. Knowing the precise, multiple days’ or weeks’ lead time to a failure allows the end user to determine the exact action necessary (often through discussions between Operations, Maintenance, Technical and Planning/Scheduling Departments). Such Prescriptive action enables the best remediation and timing decisions to avoid damage altogether, prevent a breakdown, and solve the problem in the most efficient manner.

In a CAR this is clear. The machine inform you 30 days in advance that something could happen in your engine and that you have to bring the car to a mechanic to get fixed.

The HUMAN BODY is not so different. There are many parameters, indexes, predictors more or less upgraded that can tell you when something wrong might happens and that you need to be fixed before this occurs. This is implemented in Machine learning. It can take the advantage to get the information very early and therefore to prevent the problem if you are using wearables devices that measure permanently relevant data and evaluate existing EBM (evidence based medicine) PROGNOSTIC INDEXES. In other words, based on what happens with the average people that have been exposed to those conditions. In spite of the promissing results the published data up to now have not been very possitive. See 1, 2, 3, 4 & basis for non-intrusive wearables.

DL- DEEP LEARNING, on the contrary is a step forward in the Health 4.0 environment (anytime-anymeans-anywhere-anyhow). It takes all kind of data relevant or not, from your body or from the environment or from the weather or from the news or from the medication or from the pollution or  from the type of food you eat or what you drink etc… in order to be able to DISCOVER,  in case something wrong is measured in your body, HOW the faillure occured to be prevented with time. DL is carrying for you an HOLISTIC MEDICINE, is putting into practice the 10 requirements for the REAL LIFE EVIDENCE (RLE)  of the social determinantes as the WHO stated. Data will be then Predictive- Personalize- Participative.

Before we determine how to handle an holistic medicine with AI (artificial intelligence) techniques, both have to be in place when implementing IoT (internet of the things) for healthcare surveillance.

happiness

See also http://catai.net/blog/2015/12/data-analytics-in-healthcare/