Świadome aktywności zachęcanie do poprawy przestrzegania zaleceń lekarskich u pacjentów z niewydolnością serca

Badacze postawili hipotezę, że wiele osób wymagających interwencji medycznej może bardziej przestrzegać swojego schematu leczenia, jeśli monity są dostarczane we właściwym czasie i we właściwym kontekście. Zweryfikują hipotezę, projektując i oceniając algorytmy oprogramowania oparte na uczeniu maszynowym, które rozpoznają codzienne czynności, zapewniają świadome działania interwencje przypominające o lekach i dostarczają wgląd w terminy interwencji, które zapewniają skuteczne przestrzeganie zaleceń.

Pierwszym celem projektu jest rozszerzenie i zweryfikowanie algorytmów oprogramowania, które rozpoznają codzienne czynności i zmiany aktywności z urządzeniami mobilnymi. Hipoteza jest taka, że ​​codzienne konteksty zachowań można scharakteryzować i śledzić przy minimalnym udziale użytkownika za pomocą uczenia maszynowego połączonego z automatycznym wykrywaniem aktywności. We wcześniejszych pracach badacze wykazali sukces naszych algorytmów w inteligentnych domach. W tym projekcie proponują dostosowanie technik do urządzeń mobilnych.

Drugim celem projektu jest opracowanie podpowiadania o lekach wrażliwych na aktywność i ocena wpływu podpowiadania zależnego od aktywności na główny wynik wskaźników przestrzegania zaleceń lekarskich i drugorzędny wynik jakości życia. W tym celu cel ten można rozłożyć na dwa zadania, w tym (a) rozwijanie podpowiadania zależnego od aktywności; (b) ocena wpływu podpowiadania zależnego od aktywności na wyniki pacjentów. Badacze połączą interfejs zachęcający do aktywności z rozpoznawaniem aktywności, aby dostarczać podpowiedzi w kontekstach, które okazały się skuteczne.

Wreszcie, w trzecim celu, badacze projektują algorytmy uczenia maszynowego, aby analizować powodzenie i niepowodzenie przypominania o lekach. Stawiają hipotezę, że techniki uczenia maszynowego można wykorzystać do automatycznego przewidywania szybkiej zgodności za pomocą algorytmów komputerowych, aby dowiedzieć się, jak odróżnić sytuacje udane od nieudanych. W swoim podejściu badacze wykorzystują dane z czujników do analizy codziennych zachowań i powiązania kontekstu zachowania z przestrzeganiem zaleceń lekarskich.