サインイン
インサイト - デジタルヘルス
大規模デジタルフェノタイピング: 10,000人以上の英国一般住民におけるうつ病と不安の指標の特定
デジタルフェノタイピングを用いて、気分、人口統計、健康指標、ウェアラブルデバイスから得られる行動的・生理的特徴と、うつ病と不安の重症度との関連を明らかにした。これらの変数を組み合わせたモデルが、うつ病と不安の重症度をそれぞれ41%と31%の精度で予測できることを示した。
オンラインでの一様なリスク時間サンプリング: 第一近似アルゴリズム、完全な信頼区間を用いた学習拡張
限られた治療予算を様々なリスク時間にわたって均等に配分することで、ユーザーの疲労を軽減する重要な戦略。しかし、実際のリスク時間数が未知であるため、既存の方法では理論的保証がなく、この問題に取り組む必要がある。
自律神経系信号分析を強化するためのオープンソースコミュニティの構築
スマートフォンやウェアラブルセンサーを使って多様な時間スケール、設定、集団、モダリティで末梢生理信号を収集することができるようになった。しかし、ハードウェアの急速な進歩に比べてオープンソースのソフトウェア開発が追いついていないため、収集されたデータの科学的有用性が制限されている。我々は、自律神経系データを使ったより堅牢で透明性が高く再現可能な推論を可能にする、コミュニティ主導のオープンソースの末梢生理信号前処理・分析ソフトウェアフレームワークを提案する。
コンテキスト情報を予算内で明らかにするコンテクスチュアルバンディット
患者がプロ治療行動を取るように促すための新しい最適化および学習アルゴリズムの導入。
