論文の概要: The Athlete as a Scientist of One: Agentic Bayesian Experimental Design for Individualized Physiology from Consumer Wearables
- arxiv url: http://arxiv.org/abs/2610.40370v1
- Date: Thu, 29 Oct 2026 16:20:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:10.111878
- Title: The Athlete as a Scientist of One: Agentic Bayesian Experimental Design for Individualized Physiology from Consumer Wearables
- Title（参考訳）: 一人の科学者としてのスポーツ:消費者ウェアラブルの個別化生理学のためのエージェントベイズ実験設計
- Abstract要約: EpiCoachは、クロスカントリーマウンテンバイカーである1人のアスリートを、説明可能なN-of-1科学の主題として扱うエージェントシステムである。
選手に関する主張は、証拠を提出した仮説登録簿に登録されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Large language model (LLM) agents for personal health read wearable data and recommend, but do not learn about the individual in a way that can be audited or falsified. We present EpiCoach, an agentic system that treats one athlete, a cross-country mountain biker, as the subject of accountable N-of-1 science. Claims about the athlete live in an evidence-gated hypothesis registry: each must issue a probabilistic prediction about a future session before it occurs, and its belief moves only through computed evidence from a logged statistical fit. Predictions come from a mechanistic digital twin inferred from heart rate, GPS and barometric altitude: a lagged heart-rate response model, a fitness-fatigue model with learned time constants, and a latent technical-descending skill state, measured on discovered trail segments. The agent prescribes the next training week as a constrained experiment maximizing information gain subject to load and safety constraints, around two instrument rides. We evaluate the system two ways over eighteen months of data. A rolling-origin replay benchmark shows the twin beats standard forecasters on heart rate but not segment time, and the agentic loop matches a static model. A live prospective phase runs the weekly cycle: in its first three weeks the ledger sealed 20 predictions, scored 14, the descent forecast calibrated after one correction, the climb forecast pessimistic as the athlete improved, and the safety officer vetoed the agent twice. Every correction is preserved in the registry, a template for auditable, falsifiable personalization in digital health. We release the registry, benchmark and protocol.
- Abstract（参考訳）: 個人健康のための大規模言語モデル(LLM)エージェントはウェアラブルデータを読み、推奨するが、監査や偽造が可能な方法で個人について学ばない。
本研究では,選手1人,クロスカントリーマウンテンバイカーをN-of-1科学として扱うエージェントシステムであるEpiCoachについて紹介する。
選手に関する主張はエビデンス付き仮説登録簿に登録されており、それぞれが将来のセッションについて確率論的予測を発行しなければならない。
予測は、心拍数、GPS、気圧高度から推定されるメカニスティックなデジタル双生児、ラッジされた心拍数応答モデル、学習された時間定数を持つフィットネス・ファレングモデル、そして発見されたトレイルセグメントで測定された潜伏する技術スキル状態から得られる。
エージェントは次のトレーニングウィークを、負荷と安全の制約を受ける情報の獲得を最大化するための制約付き実験として規定する。
我々は18ヶ月のデータを2つの方法で評価する。
ローリングオリジンのリプレイベンチマークでは、ツインが心拍数で標準的な予測値を上回るが、セグメント時間ではないことが示され、エージェントループは静的モデルと一致する。
最初の3週間で、台帳は20の予測を封印し、1回の修正で調整された降下予測を14点、選手が改善するにつれて登山予測を悲観的にし、安全士官が2回拒否した。
すべての修正は、デジタルヘルスにおける監査可能な、偽装可能なパーソナライズのためのテンプレートであるレジストリに保存される。
レジストリ、ベンチマーク、プロトコルをリリースします。
関連論文リスト
- Time-to-Injury Forecasting in Elite Female Football: A DeepHit Survival Approach [0.5980822697955565]
本研究では,DeepHitニューラルネットワークを用いて,縦断的スポーツ選手モニタリングデータから外傷発生の予測が可能かを検討した。
この分析は、プロサッカー選手のトレーニング、試合、ウェルネス記録の2シーズンを含む、公開可能なサッカーモンデータセットを利用した。
論文 参考訳（メタデータ） (2026-01-27T11:11:52Z) - Wav2Arrest 2.0: Long-Horizon Cardiac Arrest Prediction with Time-to-Event Modeling, Identity-Invariance, and Pseudo-Lab Alignment [5.706374608871095]
高周波生理学的波形モダリティは、患者の状態に対する深いリアルタイムな洞察を提供する。
近年、心臓発作を含む重要な事象を予測するための生理学的基礎モデルが示されている。
最小限の補助情報を用いてPSGのみのCAシステムを改善するための3つの改良点を提案する。
論文 参考訳（メタデータ） (2025-09-25T23:46:39Z) - Personalized Counterfactual Framework: Generating Potential Outcomes from Wearable Data [1.7396556690675233]
本稿では,ウェアラブルデータからパーソナライズされた対物モデルを学ぶためのフレームワークを提案する。
我々はまず,マルチモーダル類似性分析を用いて,類似患者のデータを用いて個々のデータセットを拡大する。
次に、時間的PC(Peter-Clark)アルゴリズムを用いて予測関係を探索する。
グラディエントブースティングマシンは、個々の特殊効果を定量化するためにこれらの関係に基づいて訓練されている。
論文 参考訳（メタデータ） (2025-08-20T05:04:17Z) - From Lab to Wrist: Bridging Metabolic Monitoring and Consumer Wearables for Heart Rate and Oxygen Consumption Modeling [7.104151688826837]
当社では、コンシューマグレードのウェアラブルデータのみから、即時的な酸素消費トラジェクトリを予測できる最初のフレームワークとして、包括的なフレームワークを導入しています。
本手法では, 1 つの相補的生理モデルを用いて, 1 つの生理的制約付き常微分方程式(ODE)による心拍変動の正確なモデリングと, 300 万回以上の HR 観測に基づいて訓練されたニューラルカルマンフィルタを用いる。
提案手法は, 約13%の平均絶対誤差を達成し, 高速な生理的遷移と各種走行強度の定常条件を効果的に捉えた。
論文 参考訳（メタデータ） (2025-04-30T18:15:00Z) - Adaptive Human Trajectory Prediction via Latent Corridors [49.13061580045407]
シーン固有の適応軌道予測の問題を定式化する。
本稿では,潜伏回廊と呼ばれる即時チューニングにインスパイアされた新しい適応手法を提案する。
0.1%の追加モデルパラメータでは、MOTシンスシミュレーションデータの改善が23.9%、MOTおよびワイルドトラックにおけるADEが16.4%となる。
論文 参考訳（メタデータ） (2023-12-11T18:59:12Z) - Who will stay? Using Deep Learning to predict engagement of citizen
scientists [79.9502177222504]
我々は,スウェーデンの海洋プロジェクトにおける市民科学者の関与を予測するために,ディープニューラルネットワークモデルを構築した。
結果に基づいて、将来のセッションでアノテータがアクティブになるかどうかを予測することができる。
私たちのモデルは、Deep Neural Networksの使用とボランティアアノテーションのシーケンスにあります。
論文 参考訳（メタデータ） (2022-04-28T13:27:21Z) - Test-time Collective Prediction [73.74982509510961]
マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。
エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。
我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
論文 参考訳（メタデータ） (2021-06-22T18:29:58Z) - A generative, predictive model for menstrual cycle lengths that accounts
for potential self-tracking artifacts in mobile health data [0.0]
既定のサイクル長に基づくサイクル長予測のための階層的生成モデルを提案し,評価する。
5,000メンスルータの実際のmHealthサイクル長データを用いた実験により,本手法は最先端の性能を示すことが示された。
論文 参考訳（メタデータ） (2021-02-24T18:00:26Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳（メタデータ） (2020-10-15T16:39:26Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-09-24T00:42:36Z)
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。