Khái niệm m-Health 2.0:

  + Là sự hội tụ của m-Health với cảm biến thông minh, mạng 5G, Web 2.0, điện toán đám mây và mạng xã hội

  + Tập trung vào chăm sóc sức khỏe cá nhân hóa, lấy người bệnh làm trung tâm

• Các dòng dữ liệu lớn trong m-Health:
•   + Thriving: dữ liệu từ ứng dụng sức khỏe, mạng xã hội, video y tế, hình ảnh di động
•   + Accelerating: dữ liệu từ thiết bị kết nối mạng 5G và IoT
•   + Diversifying: dữ liệu từ cảm biến hỗ trợ, robot y tế, nhà thông minh, thành phố thông minh
• Phân tích dữ liệu m-Health:
•   + Mô tả (descriptive): trả lời “đã xảy ra gì?”
•   + Chẩn đoán (diagnostic): trả lời “tại sao xảy ra?”
•   + Dự đoán (predictive): trả lời “sẽ xảy ra gì?”
•   + Kê đơn (prescriptive): trả lời “nên làm gì?”
• Học máy và học sâu trong m-Health:
•   + Học có giám sát: phân loại, hồi quy
•   + Học không giám sát: phân cụm, giảm chiều dữ liệu
•   + Học sâu: mạng nơ-ron (NN), học tăng cường
•   + Ứng dụng: nhận diện hình ảnh y tế, dự đoán bệnh, hỗ trợ ra quyết định, quản lý bệnh mãn tính
• Thách thức:
•   + Thiếu công cụ phân tích tương thích với yêu cầu lâm sàng
•   + Dữ liệu không đầy đủ, khó chuyển thành thông tin có ý nghĩa
•   + Bảo mật, quyền riêng tư, khả năng tương tác, chi phí
• Hướng phát triển:
•   + Thiết kế hệ thống m-Health thông minh, có khả năng phân tầng rủi ro
•   + Tích hợp chip AI vào smartphone để xử lý dữ liệu sức khỏe cá nhân
•   + Phát triển mô hình m-Health tiết kiệm cho các nước thu nhập thấp