건강관리
종종 건강관리 기술의 발전 측면에서 혈압계와 혈당계와 같이 편재형 컴퓨터를 응용한 장치들이 언급되곤 한다. 이런 장치들은 환자의 정보를 전문 간병인에게 전달한다. 수집된 정보는 의사의 진찰로 얻은 것보다 매우 다양하기 때문에 환자 생활의 이해와 개인적 치료방법의 변화에 도움이 된다. 또한 응급 상황일 때 빠르게 의료 기록에 접근하거나, 전문가에게 가상으로 상황을 전달 할 수 있게 해준다. 긴장된 상황에서 의사와 간호사가 생명유지 기능을 감시하고 제어해야 하는 외과 수술 영역도 관심을 끌고 있다. 수술실에서 사용하는 장비에서 수집한 자료를 수집과 처리, 그리고 즉각적인 반응이 필요한 현상을 빨리 발견할 수 있게 해주는 기술이 개발되고 있다. 최근 언론에 보도되거나 실제 사용되고 있는 다양한 응용 기술들도 있다. 사용자의 장치들이 PC에 연결되어 수집한 정보를 의사에게 전달하는 기술이나, 원거리에 있는 의사가 수술에 참여하거나 환자의 상태에 대해 조언하는 원격수술 기술이 실용화되고 있다.
이런 기술들은 빠르고 적절한 조치를 취하는 비용을 줄이고, 전문가의 많은 환자에 대한 접근성을 증가시켜 일류 건강관리의 규모를 증가시키고, 건강관리를 개인화하여 개인 각각에게 건강 유지에 대한 책임을 갖게 한다. 이를 현실화 하기 위해 센싱부터 정보 표현에 이르는 많은 기술들을 향상시켜야 한다.

관련 연구
  • 유비쿼터스 정신 요법
    임상의들은 흥분, 우울, 혼란을 치료하기 위해 일반적으로 인지행동치료(cognitive behavioral therapy; CBT)를 시행한다. 현재 인지행동치료는 종이를 이용해 설문, 스케줄 관리 등을 하는 방식에 의존하는데, 이는 치료 방법이 다양성을 갖추기 어렵고, 환자 스스로 객관적인 기록을 하기도 어렵다. 이에 컴퓨터를 이용하여 CBT를 개선하는 SCOPE (Supporting Cognition Outlines on Psychological Evaluation) 프로젝트가 실시되었다. CBT를 보조하는 응용프로그램들은 기능성과 이동성을 제공하기 위해 PC 버전과 PDA 버전이 함께 개발되었다. 프로그램들은 상담 내용과 같은 자료를 기록하고 이를 분석한다. 또한 임상의가 치료법을 정의 또는 설정하고, 환자에게 지침을 내리거나, 일상을 모니터링 할 수 있다. 환자는 스스로 지침의 이행 상태를 기록하거나 과제를 수행할 수 있다. 이를 통해 임상의는 치료에 대한 설정을 정의, 조정하고, 치료 내용을 작성하고, 일어날 일들의 대책을 강구할 수 있다.
  • 편재형 컴퓨팅과 자폐증: 특별 간호가 필요한 아이들의 간병인 보조
    자폐아 환자는 각각 고유한 특성이 있기 때문에 어떤 치료법이 유효한지 예측하는 것이 중요하다. 그래서 동시에 여러 치료법을 동시에 적용하기도 하지만 그 중 어떤 것이 유효한지 알아내는 것 또한 어렵고, 차도가 있는지 알아채는 것도 쉽지 않다. 기술 발전은 이런 간병을 효율적이고 효과적으로 할 수 있게 한다. 편재형 컴퓨팅 환경에서는 많은 양의 자료가 수집되고, 분석되며, 즉각적이고 옳은 결정을 내리도록 한다. 대표적인 기술 중의 하나인 Abaris는 변별 훈련(discrete trial training; DTT)을 보조하는 시스템으로써, 훈련 과정의 녹화, 녹화된 영상 인덱스, 훈련차트 입력과 분석을 통합하였다. CareLog 시스템은 센서와 촬영을 통해 행동 파악을 위한 데이터를 수집하고, 위험 행위를 감지하여 보고한다. 입는 센서는 착용자의 신체에서 운동, 온도, 혈압, 맥박과 같은 정보를 수집하여 감정이나 의사를 판단한다. 이런 기술을 위해 자폐아의 의사표현, 행동양상, 신체신호의 기계학습을 통한 지능적인 분석, 착용자에게 거부감과 위협을 주지 않는 센싱 장치의 개발, 개인정보에 관한 윤리적, 법적 문제가 과제로 남아있다.
  • 분산 건강관리: 여러 사람의 동시 모니터링
    기존의 건강관리는 질병을 인식한 후에 치료법을 찾는 방식이었지만, 기술의 발전으로 인해 질병을 조기에 발견하고 미연에 방지하는 방식들이 제안되고 있다. 이 연구에서는 여러 사람이 거주하는 가정에서 동작 감지 센서(motion detection sensor) 기반의 이상 행동 모니터링을 제안한다. 이는 신분 식별을 위한 센서와 초전형 동작 센서(pyroelectric motion sensor)를 통해 주거인 각각의 이동 정보를 알아낸다. 센서가 스테이션으로 무선 통신을 하는 동안 생기는 노이즈를 제거하기 위해 EM 알고리즘을 이용해 데이터를 정상화한 후 은닉 마코프 모델(hidden markov model; HMM)을 따르는 패턴을 생성한다. 이렇게 생성한 패턴을 바탕으로 개개인의 질병의 발병과 악화 여부를 파악할 수 있다. 초전형 동작 센서를 사용하기 때문에 직선 경로의 움직임만 파악할 수 있고, 개인이 식별 센서가 필요하다는 단점이 있다.