Federated learning for mHealth: An exploration

Abstract

Remote monitoring has emerged as a valuable solution, particularly in the context of Covid-19, by providing accessible healthcare services to a broader population. Through the collection of physiological and health data, mHealth technology can monitor patients with chronic illnesses, detect anomalies and predict health events. This dissertation aimed to develop an AI-based mHealth application, AIMHealth, capable of supporting real-time Federated Learning (FL) to detect Covid-19 anomalies in rest heart rate data. By implementing FL, AIMHealth enables decentralized health monitoring while ensuring data privacy. This study explored the use of autoencoder models and tested various strategies to improve the accuracy of anomaly detection, alongside adaptations to prepare the application for real-world use. The development of AIMHealth represents both an advancement and a challenge in digital health, offering a promising approach for remote patient monitoring and the identification of relevant health patterns.

A monitorização remota de pacientes emergiu como uma solução valiosa no contexto da Covid-19, possibilitando serviços de saúde mais acessíveis e abrangentes. Através da recolha de dados fisiológicos e informações de saúde, a tecnologia mHealth pode ser utilizada para acompanhar pacientes com doenças crónicas, detetar anomalias e prever eventos de saúde. Esta dissertação teve como objetivo desenvolver uma aplicação de mHealth baseada em Inteligência Artificial, denominada AIMHealth, que é capaz de suportar Aprendizagem Federada em tempo real, visando a deteção de anomalias relacionadas à Covid-19 em dados de frequência cardíaca em repouso. A implementação da Aprendizagem Federada permite a monitorização de saúde descentralizada, garantindo a privacidade dos dados dos utilizadores. Este trabalho explorou o uso de modelos autoencoder e testou várias estratégias para aprimorar a precisão na identificação de anomalias, juntamente com adaptações para preparar a aplicação para uso no mundo real. O desenvolvimento do AIMHealth representa tanto um avanço quanto um desafio na saúde digital, oferecendo uma abordagem promissora para o monitoramento remoto de pacientes e a identificação de padrões de saúde relevantes.