模式探索器:对多发性硬化症的时间活动模式进行交互式视觉探索

科学领域:

• 生物医学信息学 生物医学信息学
• 人与计算机的交互
• 数据可视化 数据可视化

背景情况:

• 健身可穿戴设备产生了大量的活动数据,这给临床解释带来了挑战.
• 分析这些数据对于了解疾病进展和患者症状至关重要,特别是在多发性硬化症 (MS) 等疾病中.
• 现有的方法经常在信号过载和从复杂的传感器数据中快速生成洞察力方面扎.

研究的目的:

• 设计和评估MS Pattern Explorer,一个新的视觉分析工具.
• 利用交互式机器学习来分析MS患者的健身可穿戴数据.
• 解决管理活动信号,加快洞察力生成和语境化模式的挑战.

主要方法:

• 以用户为中心的设计方法优先考虑临床医生的模式探索和上下文化需求.
• 使用集群和近距离搜索计算有意义的患者活动和睡眠序列.
• 开发一个带有协调视图的交互式视觉界面.
• 评估涉及15名参与者 (临床医生,数据科学家,非专家) 使用可用性和洞察力生成评分.

主要成果:

• MS 模式探索器有助于理解时间数据中的活动模式.
• 该工具可以快速生成洞察力,并在患者队伍内和之间对数据进行上下文化.
• 在不同参与者群体中观察到一致的表现.
• 证明了MS患者健身追踪器数据对产生洞察力的有效支持.

结论:

• MS Pattern Explorer有效地减少了临床医生分析活动数据的信号过载.
• 该工具为临床研究中的数据探索,理解和假设生成提供了新的机会.
• 该系统对于分析慢性病研究和队列比较中的传感器数据具有广泛的适用性.