糖尿病设备的雾与边缘计算

用于处理连接至医疗物联网的糖尿病设备数据的雾计算与边缘计算架构

摘要

物联网（IoT）正在产生海量数据。通过云计算，医疗传感器和执行器数据可以由分布式服务器进行远程存储和分析，结果再通过互联网传输。物联网中的设备包括无线糖尿病设备，如血糖监测仪、连续血糖监测仪、胰岛素笔、胰岛素泵和闭环系统。传统的云模型在数据存储与分析方面日益难以应对数据雪崩，因此数据处理正被推向网络边缘，更靠近数据生成设备的位置。雾计算和边缘计算是两种可用于减轻云负担的数据处理架构，能够在患者附近处理数据，并在毫秒或秒级时间内实现机器对机器或机器对人的信息传输。传感器数据可以通过雾计算（利用本地节点）和边缘计算（在感知设备内部）在传感与执行设备附近进行处理。与云计算相比，雾计算和边缘计算具有五个优势：（1）更高的数据传输速度；（2）对有限带宽的依赖更小；（3）更高的隐私性和安全性；（4）对在外国生成的数据拥有更强的控制力，这些国家的法律可能限制数据使用或允许不必要的政府访问；（5）成本更低，因为更多的传感器衍生数据在本地使用，减少了远程传输的数据量。几乎所有的连接式糖尿病设备都采用雾计算或边缘计算，因为糖尿病患者需要对传感器输入做出非常快速的响应，无法容忍云计算带来的延迟。

关键词

执行器、云计算、边缘计算、雾计算、物联网、传感器、无线

引言

云计算是指使用互联网上的远程服务器网络来存储和处理数据，而不是使用本地服务器或个人计算机。这一术语由康柏电脑公司于1996年提出。物联网（IoT）是一种将设备嵌入网络连接的技术概念，使这些物能够无需人工干预地收集和交换数据。

思科系统公司估计，到2020年，所有连接到互联网的人和物将产生600泽字节（1泽字节= 1万亿千兆字节）的数据。当前的云模型并非为物联网所产生的数据量、多样性和高速性而设计。很快，医疗设备的云计算将无法跟上物联网设备产生的数据量和成本。在某些特定情况下，例如重症监护和急诊医学，以及维持生理稳态的自主闭环系统，云计算也无法提供足够快速的数据传输。云计算系统将承受越来越大的压力，网络将 increasingly decentralize selected computing，将进程置于医疗物联网传感器附近或其所在位置，这些传感器正在收集数据。未来用于处理基于云的互联网、移动计算和物联网数据融合的网络架构将是雾计算和边缘计算。当需要对数据进行复杂分析，或更倾向于维护单一数据存储库的安全性（相较于多个分布式存储库）时，云计算优于雾计算。

雾计算和边缘计算

雾计算和边缘计算是用于数据分析和存储的新范式，它们在云和设备（例如医疗传感器或效应器）之间增加了额外的计算能力层。这些架构减少了必须发送到云上远程服务器以及从其接收的数据量，并促进了在数据采集后几毫秒内必须采取行动的数据的即时使用。雾计算可能对医疗数据分析和远程健康监测的新范式有用，例如大数据分析、隐私感知分布式学习和公民科学项目，特别是那些需要数据即时分析的具体项目。

什么是雾计算和边缘计算？

雾计算这一术语由思科系统公司于2014年提出。之所以使用“雾计算”这一术语，是因为雾是靠近地面的云。医疗设备的雾计算将处理集中在“贴近地面”的位置，即靠近患者或传感器采集数据的地方，而不是几乎完全在云端进行处理。

“边缘计算”这一术语自2002年左右开始被使用。边缘医疗设备收集数据，同时提供进入网络或互联网的入口点。边缘计算范式将网络服务的控制从中心节点（定义为核心）转移到另一端的极端位置，即传感器本身（定义为边缘），而不是服务器或节点。边缘计算也被称为露计算。

两种架构的区别在于额外计算能力所处的位置。雾计算将计算能力下放到局域网级别（即在有限区域内相互连接的一组计算机），数据在集线器、节点、路由器或网关内进行处理，然后传输到相应设备，智能手机可在此类场景中发挥作用。然而，边缘计算则直接将处理能力和通信能力集成到数据采集设备本身，该设备可以是传感器、探测器、嵌入式系统或智能物体，在某些情况下数据会被发送到附近的服务器。雾计算通常采用开放标准技术，而边缘计算可能使用开放标准技术或专有技术。尽管这两种架构存在重叠，但在本文中，若系统在网络节点边缘使用专有计算节点，则定义为采用边缘计算。

雾计算节点或边缘计算设备，将传感与雾计算节点中执行的计算类型相结合，可各自成为本地设备或一组本地设备的微型分析中心，能够执行许多明确定义的流程，包括在毫秒内进行数据交换，以及对数据进行精简以供在云上长期存储，或在雾集线器或边缘设备中短期存储。许多医疗执行器设备需要在毫秒内立即响应传感器数据，而不能等待几分钟将传感器数据发送到远程世界，通过云进行分析，然后再发送回来。当目标是对数据进行瞬时分析并随后瞬时生成基于规则的命令时，雾计算和边缘计算非常有用。这两种架构可以使医疗传感器数据立即得到利用，从而带来改善的结果。

与雾计算相比，边缘计算可能更具优势，因为它包含的潜在故障点更少。网络中的每个传感器或医疗设备都将独立编程，并确定哪些信息应存储在本地，哪些信息需要发送到云以供进一步使用。

雾计算和边缘计算与云计算有何不同？

与云计算相比，雾计算和边缘计算具有五个优势。第一，尽管云服务器拥有强大的计算能力用于高级分析，但通常距离较远且响应缓慢，而本地处理器可以在毫秒或秒内提供信息。从传感器到云服务器的数据传输通常需要经过多个跳转，而传感器客户端通常通过单跳连接到雾节点。与雾计算不同，云计算受抖动影响，抖动定义为接收的数据包延迟的变化。某些数据在采集后立即最有用，但几天甚至几分钟后其价值可能降低，将所有数据上传至云端进行分析可能会削弱部分数据的价值。

第二，本地计算设备（包括雾集线器和医疗边缘设备）可在带宽有限或无法稳定获得宽带互联网的地方运行，或在长距离传输路径可能影响可靠性的环境中工作。第三，在靠近患者的本地网络内收集和分析的医疗数据比上传至远程服务器时更有可能保持私有和安全。第四，对于在外国收集的数据，某些国家的法律法规可能限制云存储和数据分析，或根据地方法律使其受到外国政府访问。第五，本地计算比远程计算成本更低，因为传输成本通常高于计算成本。

雾计算和边缘计算的功能可能存在重叠，且两者可在同一设备网络中共存。在雾计算范式中，设备可将关键数据传输至附近的雾节点，以便在毫秒或秒级时间内进行即时分析，并将响应返回至设备。设备还可将其他可等待数分钟的数据发送至管理多个物联网设备的较大聚合雾节点，该节点会将剩余数据（如部分医疗计费数据、实验室结果数据和预约数据）上传至云，以供日后进行长期存储和分析。来自雾节点或聚合雾节点的数据可以发送到云进行存储和分析。在边缘计算范式中，设备可以执行特定的计算任务并相互通信。它们还可以将数据传输到一个节点（称为移动边缘计算服务器）进行选择性聚合和响应，然后从该节点将数据传输到云。确定哪些任务发送到本地雾或边缘节点，哪些任务发送到云，取决于具体应用。

雾或边缘计算设备在执行分布式数据处理时可能面临的三个潜在障碍，由于这些设备的计算能力有限，包括：（1）将来自不同来源的医疗数据格式化为通用架构，如果需要共享数据，还需保护隐私；（2）在提高数据抽象程度以利于有限的本地存储，与降低数据抽象程度以提高可用性之间取得平衡；（3）识别来自孤立的有缺陷传感器或无线发射器的不可靠数据。

当前使用雾计算的糖尿病设备

本文中，糖尿病传感器的定义是指一种能够响应糖尿病患者生理信号并传输相应脉冲（无论是否具备显示功能）的设备。本文中糖尿病数据的定义是一组包含相关上下文信息（包括时间和日期）的已转换生理测量值，而非原始传感器数据（如电流、电压、电阻和光功率）。根据此定义，将原始传感器数据转换为生理参数并不自动构成边缘计算。例如，在血糖监测中，将原始传感器电流转换为血糖值不被视为边缘计算。除非允许某些传感器信号调理和校准，否则几乎所有糖尿病传感设备都将被定义为使用边缘计算，即使转换后的数据被传输至开源雾计算节点。

越来越多的可穿戴和便携式糖尿病设备提供蓝牙通信功能，可连接到智能手机或平板电脑，后者作为便携式雾计算中心，执行一些基本的分析过程，并将监测信息发送至云。目前很少有医疗设备能够直接将数据传输到云。无线便携式糖尿病设备可以通过雾计算节点（例如便携式智能设备（如智能手机）、桌面中心、路由器或网关系统）将数据传输到云。这些设备包括血糖监测仪、胰岛素笔、连续血糖监测仪、胰岛素泵以及闭环人工胰腺系统（由连续血糖监测仪和胰岛素泵协同工作组成）（见图1）。其他可供糖尿病患者使用的无线监测设备还包括血压袖带、体重秤、血氧仪、心电图、体温监测仪，甚至带有全球定位功能的可穿戴追踪设备。

使用这类医疗监测仪进行雾计算的缺点是，如果患者的智能手机或集线器设备损坏或未充电，则无法上传数据进行实时分析。

一些较旧的血糖仪无法自动上传数据，需要使用电缆连接集线器设备或计算机。这些系统并非真正的雾计算设备，而是异步远程医疗系统，在患者或医疗专业人员完成上传过程之前，不会报告需要响应的分析模式。

在过去几年中，这类产品大部分已被具备无线通信能力的监测仪所取代。通过电缆连接进行上传的过程通常要等到患者预约就诊医生时才会发生，此时患者可能尚未看到其数据在云上的分析结果，因而可能未能充分获得能够将数据实时传输至云进行快速分析的设备所带来的最大益处。由于延迟通知存在风险，过去十年来，医疗设备发展的趋势明显从异步远程医疗转向雾计算，以实现数据的实时自动上传。

当前使用雾计算的糖尿病设备（续）

在美国，连续血糖监测数据可以通过个人系统实时传递给患者，或通过专业系统回溯地获取。目前上市的两种个人系统传感器均获得美国食品药品监督管理局批准，包括Dexcom G5 Platinum（Dexcom，圣地亚哥，加利福尼亚州）和Medtronic Enlite（Medtronic，都柏林，爱尔兰）。这些系统通过雾计算进行传输。数据通过协议传输到智能手机或监测仪，再从那里传输到云。这两款产品的专业版本还通过雾计算协议进行传输。雅培FreeStyle Libre（雅培糖尿病护理，加利福尼亚州阿拉米达）仅被批准用于回顾性审查，该产品使用蓝牙发射器连接作为集线器的读取器，并将数据传输到云，在云端可以详细查看连续血糖读数。一些新的血糖监测仪可将数据传输到智能手机、集线器或读取器，但没有一款可直接传输到云。

需要通过几乎任何糖尿病传感器进行计算的最佳患者管理，在许多情况下可能需要立即自动响应。尽管一些缓慢变化的医疗传感器数据不需要立即分析，可以等待数分钟甚至数天后再进行分析，但糖尿病数据不同，其最佳使用方式是实时处理。大多数糖尿病设备必须在患者或医疗专业人员需要测量结果时即时提供信息，而不仅仅是在患者能够访问存储和分析于云端的数据时才提供。因此，几乎所有连接的糖尿病设备都采用雾计算、边缘计算，或两者结合的架构。葡萄糖值和胰岛素剂量可能需要立即响应，因此需要通过雾计算或边缘计算过程实现自动分析并上传至云端。集成传感器的泵系统（如美敦力糖尿病公司的530G和630G）以及闭环人工胰腺系统（如美敦力糖尿病公司的670G）均包含连续葡萄糖监测仪，该监测仪每五分钟向胰岛素输注泵报告一次离散葡萄糖水平，而葡萄糖传感器信息则是连续测量的。这些葡萄糖信息以及来自加速度计和其他传感器的其他类型信息可结合起来，根据代谢环境的变化，几乎连续地调整推荐的胰岛素输注速率。在这种系统中，决策必须由位于患者佩戴或携带的处理器（或始终处于患者附近）本地完成，而不是依赖基于云的服务器，因为后者可能会因数据传输问题而出现处理延迟或临时数据丢失。目前使用和正在开发的人工胰腺系统均采用雾计算或边缘计算系统。

当前使用边缘计算的其他医疗设备

边缘计算目前除糖尿病系统外，还应用于其他几种医疗闭环系统中，这些系统的传感器输入旨在影响执行器输出，包括：（1）心脏起搏器；（2）心脏除颤器；（3）尚在研究阶段、尚未上市的闭环机械通气系统；（4）已获美国食品药品监督管理局批准的Sedasys闭环麻醉给药系统，但由于销量不佳而退出市场；以及（5）可通过闭环刺激调节的脑功能。边缘计算适用于使用智能传感器维持生理稳态的闭环系统，但目前该方法的应用仍有限，因为少数自主闭环系统获得美国食品药品监督管理局批准。该方法适用于重症监护室或急诊科等场所，这些场所中病情急性加重的患者可能需要对其病情变化立即做出响应。边缘计算通过将系统的传感器连接到小型本地控制系统来实现，由这些系统负责处理和通信。边缘计算的结果可以是快速的机器对机器通信或人机交互。与雾计算相比，这种范式将本地化处理进一步从网络推向传感器，使计算过程更接近数据源。随后，传感器可以直接将信息发送到另一个边缘设备、上传至雾节点或云。通过使用边缘计算，不再将大部分处理任务集中在集中式服务器或分布式本地服务器上，而是网络中的每个设备都自行承担部分信息处理任务。

医疗物联网生成数据管理的未来趋势

到2019年，预计45%的物联网生成数据将在靠近网络边缘或在网络边缘进行存储、处理、分析并采取行动。开放雾计算联盟于2015年11月由ARM、思科、戴尔、英特尔、微软和普林斯顿大学的代表共同创立。其目标是开发一种互操作的雾计算架构，具备足够的延迟、带宽和安全性能，以支持物联网边缘的智能，包括自主和自感知的机器、物、设备和智能物体。该组织目前拥有超过50家会员单位。边缘计算产业联盟于2016年11月由华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院（CAICT）、英特尔公司、ARM和软通动力的代表共同成立。其目标是通过以下方式加强边缘计算产业：（1）促进开放合作（包括统一术语和架构的开发）；（2）培育产业最佳实践；（3）推动边缘计算的健全和可持续发展。

边缘计算将在雾计算的基础上成为下一步越来越重要的技术。这一范式将成为正在开发的新型5G移动通信系统的关键组成部分。5G（即第五代）移动网络系统将比目前使用的4G（即第四代）系统提供更快的服务、更短的延迟和更低的功耗。边缘计算有望成为实现某些关键流程的核心推动力，传感器输入需要快速响应，例如无线健康监测、虚拟现实、自动驾驶汽车、机器人、无人机以及寻找失踪儿童。随着物联网产生的数据量不断增加，包括糖尿病相关数据，基于雾计算和边缘计算架构的分布式计算需求将逐步增加。