AIによるリアルタイム兵士モニタリングと状態予測のための健康強化型適応LoRaWAN
カテゴリ：災害・救急医療
公開日：2026年5月16日
タイトル：HEAL: health-enhanced adaptive LoRaWAN for AI-based real-time soldier monitoring and status prediction
雑誌名：Sci Rep. 2026 Apr 02; 16(1): doi: 10.1038/s41598-026-44274-1.
概 要：
本研究は、遠隔地での兵士の健康を継続的かつ信頼性高くモニタリングするためのHEAL（健康強化型適応LoRaWAN）を提案します。LoRaWANは、ウェアラブル医療機器のためのエネルギー効率の良い長距離通信ソリューションですが、パケットロスや遅延、帯域幅の制限がリアルタイムの健康推測を妨げる可能性があります。HEALは、動的な生理学的および通信条件下で兵士の健康を予測するAI対応のIoMTフレームワークです。実験結果では、BiLSTMモデルが構造化された生理データに対して94%の精度と95%のマクロF1スコアを達成し、LoRaWANシミュレーション内で約93%の精度を維持しました。
方 法：
HEALは、公開されている多変量生理学的時系列データセットを前処理し、構造化し、自動ラベリングするエンドツーエンドのワークフローを採用しています。複数の深層学習アーキテクチャを訓練・比較し、リアルタイム健康状態分類に適したモデルを特定しました。最も性能の良いモデルを微調整し、LoRaWANシミュレーションでAI推測を評価しました。
結 果：
BiLSTMモデルは、構造化された生理データに対して94%の精度と95%のマクロF1スコアを達成しました。LoRaWANシミュレーションでは、微調整されたモデルが約93%の精度を維持し、ネットワークは有利な条件下で91%のパケット配信比率を達成しました。
結 論：
HEALは、動的なLoRaWANの影響にもかかわらず、正確なAI駆動の健康モニタリングを維持できるスケーラブルでエネルギー効率の良いフレームワークを提供します。これは、モデル開発と現実的な運用展開のギャップを埋めることを示しています。