< Terug naar vorige pagina
Project
SmartCHANGE: op AI gebaseerde gezondheidsrisico-evaluatie op lange termijn voor het stimuleren van strategieën voor gedragsverandering bij kinderen en jongeren (EUAR136)
Niet-overdraagbare ziekten (NCD's) zijn de belangrijkste doodsoorzaak en kosten voor gezondheidszorg. Gemeenschappelijke risicofactoren voor velen van hen zijn
obesitas en een lage lichamelijke conditie als gevolg van een ongezonde levensstijl. Het is gericht op kinderen en jongeren voor leefstijlinterventies
gesuggereerd omdat (1) vroege voorlopers van de meeste niet-overdraagbare aandoeningen al op deze leeftijd aanwezig zijn, (2) kindertijd en adolescentie kritieke perioden zijn
voor het aanleren van gezonde leefgewoonten, en (3) een ongezonde leefstijl komt veel voor in deze leeftijdsgroep. Wij stellen voor om op lange termijn te ontwikkelen
risicovoorspellingsmodellen voor cardiovasculaire en metabole ziekten voor mensen van 5–19 jaar. We hebben al 15 datasets geïdentificeerd met data
over gedrag, fitheid, biomarkers en feitelijke niet-overdraagbare aandoeningen van verschillende leeftijden. We zullen machine-learning methoden ontwikkelen die kunnen trainen
modellen op dergelijke heterogene datasets, waardoor het risico kan worden voorspeld voor mensen van verschillende leeftijden voor wie verschillende gegevens beschikbaar zijn.
We zullen gefedereerd leren gebruiken voor gegevensprivacy, de gegevens zorgvuldig samenstellen en balanceren om ervoor te zorgen dat ze niet vooringenomen zijn en representatief zijn voor de
doelgroep, en gebruik methoden voor uitleg en visualisatie van de gegevens, modellen en voorspellingen.
obesitas en een lage lichamelijke conditie als gevolg van een ongezonde levensstijl. Het is gericht op kinderen en jongeren voor leefstijlinterventies
gesuggereerd omdat (1) vroege voorlopers van de meeste niet-overdraagbare aandoeningen al op deze leeftijd aanwezig zijn, (2) kindertijd en adolescentie kritieke perioden zijn
voor het aanleren van gezonde leefgewoonten, en (3) een ongezonde leefstijl komt veel voor in deze leeftijdsgroep. Wij stellen voor om op lange termijn te ontwikkelen
risicovoorspellingsmodellen voor cardiovasculaire en metabole ziekten voor mensen van 5–19 jaar. We hebben al 15 datasets geïdentificeerd met data
over gedrag, fitheid, biomarkers en feitelijke niet-overdraagbare aandoeningen van verschillende leeftijden. We zullen machine-learning methoden ontwikkelen die kunnen trainen
modellen op dergelijke heterogene datasets, waardoor het risico kan worden voorspeld voor mensen van verschillende leeftijden voor wie verschillende gegevens beschikbaar zijn.
We zullen gefedereerd leren gebruiken voor gegevensprivacy, de gegevens zorgvuldig samenstellen en balanceren om ervoor te zorgen dat ze niet vooringenomen zijn en representatief zijn voor de
doelgroep, en gebruik methoden voor uitleg en visualisatie van de gegevens, modellen en voorspellingen.
Datum:1 mei 2023 → Heden
Trefwoorden:Artificial intelligence, Chronic disease, risk assessment
Disciplines:Artificiële intelligentie niet elders geclassificeerd
Project type:Samenwerkingsproject