時系列データを用いた温度と圧力データによる足潰瘍の予測分析

概要: 糖尿病性足潰瘍（DFU）は糖尿病の深刻な合併症であり、しばしば重大な罹患をもたらします。
本論文は、ウェアラブル足センサーで取得された時系列データを活用する予測分析フレームワークを提示します。具体的には、温度測定にはNTC薄膜熱電対、足底荷重のモニタリングにはFlexiForce圧力センサを用います。
データは、計測用の歩行路を歩く健康な被験者から収集されました。
教師なし機械学習アルゴリズムであるIsolation ForestとK-最近傍法（KNN）を適用し、早期の潰瘍リスクを示唆する異常を検出しました。
厳密なデータ前処理と目的に合わせた特徴量エンジニアリングを通じて、生理的パターンを抽出し、足の温度と圧力の微妙な変化を識別しました。
結果は、Isolation Forest が微小な異常に敏感であることを示し、KNN は極端な偏差を検出するのに効果的ですが、偽陽性率は高いという欠点があります。
温度と圧力の測定値間の強い相関は、予測精度を高めるための複数センサーの併用監視を支持します。
これらの知見は、リアルタイムの糖尿病性足の健康監視の基盤を提供し、より早い介入を促進し、DFUの発生率を低減することを目的としています。