Fugu-MT 論文翻訳(概要): Co-Pilot for Health: Personalized Algorithmic AI Nudging to Improve Health Outcomes

論文の概要: Co-Pilot for Health: Personalized Algorithmic AI Nudging to Improve Health Outcomes

arxiv url: http://arxiv.org/abs/2401.10816v1
Date: Fri, 19 Jan 2024 17:03:37 GMT
ステータス: 処理完了
システム内更新日: 2024-01-22 15:08:48.774920
Title: Co-Pilot for Health: Personalized Algorithmic AI Nudging to Improve Health Outcomes
Title（参考訳）: 健康のためのコパイロット:健康結果を改善するためにパーソナライズされたアルゴリズムai
Authors: Jodi Chiam, Aloysius Lim, Cheryl Nott, Nicholas Mark, Ankur Teredesai, Sunil Shinde
Abstract要約: 我々は、グラフニューラルネットワーク(GNN)ベースのレコメンデーションシステムによって実現された、デジタルアルゴリズムヌードのためのAI駆動プラットフォームを設計、実装した。対象グループの被験者は, 日々の身体活動が増加し, 日常的にAIを最適化した。このうち13.1%が開封(開封)、11.7%が有益と評価された。
参考スコア（独自算出の注目度）: 2.8311497176067104
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The ability to shape health behaviors of large populations automatically, across wearable types and disease conditions at scale has tremendous potential to improve global health outcomes. We designed and implemented an AI driven platform for digital algorithmic nudging, enabled by a Graph-Neural Network (GNN) based Recommendation System, and granular health behavior data from wearable fitness devices. Here we describe the efficacy results of this platform with its capabilities of personalized and contextual nudging to $n=84,764$ individuals over a 12-week period in Singapore. We statistically validated that participants in the target group who received such AI optimized daily nudges increased daily physical activity like step count by 6.17% ($p = 3.09\times10^{-4}$) and weekly minutes of Moderate to Vigorous Physical Activity (MVPA) by 7.61% ($p = 1.16\times10^{-2}$), compared to matched participants in control group who did not receive any nudges. Further, such nudges were very well received, with a 13.1% of nudges sent being opened (open rate), and 11.7% of the opened nudges rated useful compared to 1.9% rated as not useful thereby demonstrating significant improvement in population level engagement metrics.
Abstract（参考訳）: 大規模な人口の健康行動を自動的に形作る能力は、ウェアラブルのタイプや病気の状況にまたがって、世界的な健康結果を改善する大きな可能性を秘めている。我々は、gnn(graph-neural network)ベースのレコメンデーションシステムと、ウェアラブルフィットネスデバイスからの粒度の健康行動データによって実現される、デジタルアルゴリズムによるナジングのためのai駆動プラットフォームを設計し、実装した。ここでは,シンガポールで12週間の期間に,パーソナライズおよびコンテキストヌーディングをn=84,764ドルの個人に対して行うことで,このプラットフォームの有効性について述べる。このようなaiを最適化した毎日のナッジを受けた対象グループの参加者は、ステップ数(p = 3.09\times10^{-4}$)のような日々の身体活動が6.17%増加し、中等度から活発な身体活動(mvpa)が1週間に7.61%(p = 1.16\times10^{-2}$)上昇したことを統計的に検証した。さらに、これらのナッジの13.1%が開封(開封率)され、開封されたナッジの11.7%が有用であり、1.9%は役に立たないと評価され、人口レベルのエンゲージメント指標が大幅に向上した。

関連論文リスト

NudgeRank: Digital Algorithmic Nudging for Personalized Health [3.3181276611945263]
NudgeRankは、人口規模でポジティブな健康行動を促進する革新的なデジタルアルゴリズムヌードシステムである。 NudgeRankは実運用で運用されており、パーソナライズされたコンテキスト対応のナッジを毎日11万人以上のケア受け手に届けている。厳格な評価は、日歩が6.17%増加し、運動時間が7.61%増加したことを含む、統計的に有意な健康改善を示している。
論文参考訳（メタデータ） (2024-07-16T07:56:42Z)
Nurse-in-the-Loop Artificial Intelligence for Precision Management of Type 2 Diabetes in a Clinical Trial Utilizing Transfer-Learned Predictive Digital Twin [5.521385406191426]
本研究は, 予測ディジタルツイン(PDT)を利用したオンラインナース・イン・ザ・ループ予測制御(ONLC)モデルを開発した。 PDTは、最初の3ヶ月から参加者の自己モニタリングデータ(体重、食物ログ、身体活動、グルコース)をトレーニングした。 ONLCは介入グループに個別のフィードバックとテキストメッセージによるレコメンデーションを提供した。
論文参考訳（メタデータ） (2024-01-05T06:38:50Z)
Augmenting Reddit Posts to Determine Wellness Dimensions impacting Mental Health [0.7874708385247353]
本稿では,プロンプトベースジェネレーティブNLPモデルによる簡易かつ効果的なデータ拡張手法を提案する。既存の解釈と拡張データ間のROUGEスコアと構文・意味的類似性を評価する。
論文参考訳（メタデータ） (2023-06-06T23:15:59Z)
BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
論文参考訳（メタデータ） (2023-05-26T17:14:43Z)
Graph Adversarial Immunization for Certifiable Robustness [63.58739705845775]
グラフニューラルネットワーク(GNN)は敵の攻撃に対して脆弱である。既存の防衛は、敵の訓練やモデル修正の開発に重点を置いている。本稿では,グラフ構造の一部を接種するグラフ対人免疫法を提案し,定式化する。
論文参考訳（メタデータ） (2023-02-16T03:18:43Z)
SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文参考訳（メタデータ） (2021-10-01T23:01:20Z)
Early Mobility Recognition for Intensive Care Unit Patients Using Accelerometers [3.772793938066986]
Intensive Care Unit (ICU) 患者に対するヒト活動認識, 早期移動認識の医療応用を提案する。我々のシステムには、ICU患者からの加速度計に基づくデータ収集と、患者の早期モビリティを認識するAIモデルが含まれている。その結果,モデル精度は77.78%から81.86%に向上し,モデル不安定性(標準偏差)は16.69%から6.92%に低下した。
論文参考訳（メタデータ） (2021-06-28T22:59:31Z)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Adversarial Immunization for Certifiable Robustness on Graphs [47.957807368630995]
グラフニューラルネットワーク(GNN)は、他のディープラーニングモデルと同様、敵攻撃に対して脆弱である。本研究では, グラフ対免疫問題,すなわち, 接続あるいは非接続の安価なノード対をワクチン接種することで, 許容可能な攻撃に対するグラフの堅牢性を向上させることを提案する。
論文参考訳（メタデータ） (2020-07-19T10:41:10Z)
Using Deep Learning and Explainable Artificial Intelligence in Patients' Choices of Hospital Levels [10.985001960872264]
本研究は、全国の保険データを用いて、既存の文献で議論されている可能性のある特徴を蓄積し、ディープニューラルネットワークを用いて患者の病院レベルの選択を予測した。その結果,受信機動作特性曲線 (AUC) (0.90), 精度 (0.90), 感度 (0.94), 特異度 (0.97) を高不均衡ラベルで予測できた。
論文参考訳（メタデータ） (2020-06-24T02:15:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。