Naar precisie gezondheidszorg door multimodale monitoring in reële situaties mogelijk te maken met behulp van hiërarchische en dynamische modellen op basis van onzekerheid

Geestelijke gezondheid bestaat uit een causaal verband tussen (1) context, i.e, externe omstandigheden en persoonlijkheidskenmerken, die de geestelijke gezondheid bepaalt, en (2) de symptomen, gedrags-, psychosociale en fysiologische reacties, waardoor we de geestelijke gezondheid observeren. SOTA-onderzoek focust op het vinden van verbanden tussen gemoedstoestanden en fysiologische symptomen. De overdracht van deze kennis naar de realiteit levert verschillende problemen op; (1) fysiologische symptomen zijn niet enkel afhankelijk van de geestelijke gezondheid, (2) mensen kunnen onderhevig zijn aan intra-patiënt variantie, en (3) huidige predictie modellen zijn meestal black-box en geven hierdoor weinig tot geen inzichten. Ik zal deze problemen aanpakken door een multimodaal en dynamisch hiërarchisch framework te ontwerpen voor gepersonaliseerde (mentale) gezondheidsmonitoring in de praktijk. Multimodale sensing zal gebruikt worden om niet-fysiologische symptomen te detecteren en context te incorporeren. Dynamische bevraging maakt het mogelijk om intra-patiënt variantie vast te leggen. Door het samenvoegen van hiërarchische anomalie detectie met gedragsmodellering in een active learning aanpak, zal ik het optimale moment bepalen om gebruikersfeedback te verzamelen. Tot slot zal ik me richten op het leveren van zinvolle inzichten aan zowel artsen als patiënten met behulp van expertkennis. Dit onderzoek zal gevalideerd worden op twee stemmingsstoornissen; stress en depressie.