使用由机器学习支持的即时自适应数字助理增加体力活动:超个性化移动健康干预的新方法

科学领域:

• 医疗信息学 医疗信息学
• 数字健康干预措施 数字健康干预措施
• 机器学习在公共卫生中的应用

背景情况:

• 身体不活动是全球主要的健康问题,对死亡率和发病率做出了重大贡献.
• 目前用于体育活动的自动化干预措施由于个性化和参与度的局限性而缺乏长期有效性.
• 创新方法对于应对久坐不动的生活方式带来的公共卫生挑战至关重要.

研究的目的:

• 描述一种促进身体活动的新型移动健康干预措施.
• 为了利用机器学习实现实时,超个性化的干预内容交付.
• 为了提高用户参与度和长期有效性,改变体育活动行为.

主要方法:

• 利用机器学习 (ML) 进行适应性,实时个性化体育活动干预.
• 整合自然语言处理 (NLP) 进行对话参与和知识传播.
• 采用"推进引擎"与强化学习 (上下文盗) 使用不同的数据流 (活动跟踪,GPS,天气,用户数据).
• 整合生成AI (例如,ChatGPT,Bard) 作为一个问答组件.

主要成果:

• 拟议的平台为体育活动提供了一个即时适应性干预 (JITAI) 模型.
• 超个性化是通过使用GPS和天气数据等变量进行实时适应来实现的.
• 预期的结果包括由于及时的行为支持和引人入胜的数字助理,增加了用户参与度和持续的有效性.

结论:

• 这种新的mHealth干预概念展示了ML在改变健康行为的实际应用.
• 该方法有助于就促进福祉的有效数字健康战略进行对话.
• 需要进一步的研究来完善ML技术并评估现实世界的有效性.