可穿戴设备和可解释的无监督学习用于COVID-19检测和监测
Ahmad Hasasneh1, Haytham Hijazi2,3, Manar Abu Talib4
1Department of Natural, Engineering, and Technology Sciences, Faculty of Graduate Studies, Arab American University, Ramallah P-600-699, Palestine.
Diagnostics (Basel, Switzerland)
|October 14, 2023
概括
这项研究介绍了一种使用智能手表数据进行COVID-19检测和监测的AI驱动的无监督框架. 它提供了一种具有成本效益的解决方案,用于识别个人,包括青少年和年轻成年人的炎症标志物.
科学领域:
- 医疗保健中的人工智能
- 用于疾病监测的可穿戴技术
- 传染病监测 传染病监测 传染病
背景情况:
- 全球医疗保健系统面临着持续的COVID-19感染的挑战,即使在接种疫苗的人群中也是如此.
- 现有的疾病监测人工智能 (AI) 解决方案通常依赖于监督学习,面临数据注释和可靠性的问题.
- 青少年和年轻人 (AYA) 仍然是一个易受COVID-19挑战的人口结构.
研究的目的:
- 提出和评估一种创新的无监督人工智能框架,用于使用智能手表数据检测和监测COVID-19感染.
- 为疾病查,诊断和监测提供具有成本效益和可访问性的解决方案.
- 利用可解释的集群和语言模型来增强数据模式的洞察力.
主要方法:
- 利用来自志愿者的纵向智能手表数据 (心率,心率变化,步数).
- 开发了一个无监督学习框架,以识别正常和异常的生理措施.
- 使用Davinci GPT-3语言模型来增强数据模式和关系的解释.
主要成果:
- 无监督框架实现了0.55的轮得分,证明了有效的集群.
- 使用监督学习的验证产生了高性能指标:准确性 (0.884),精度 (0.80) 和回忆 (0.817).
- 该研究成功地通过无监督技术识别了潜在的炎症标志物.
结论:
- 无监督学习技术显示出有效和可靠的COVID-19检测和监测的巨大潜力.
- 人工智能和可穿戴设备为健康监测提供了可扩展的,低成本的解决方案,特别是对于炎症性疾病.
- 这种方法为可访问和广泛应用的健康监测系统开辟了新的途径.
