Om leefstijlaanbevelingen te verbeteren, moeten we leren wat vooral werkt voor één persoon en wat niet. Iedereen heeft immers een andere genetica, gezondheidstoestand, activiteitenniveau en omgeving. Kunstmatige intelligentie (AI) kan ons hierbij helpen. In het ICAI Lab streven onderzoekers ernaar de kwaliteit en kwantiteit van gezondheids-, voedings- en gedragsgegevens te vergroten en AI-algoritmen en -modellen te ontwikkelen om gepersonaliseerde levensstijlfeedback te verbeteren.
Betere kwaliteit van leven en minder belasting gezondheidszorg
Een ICAI Lab is een onderzoekssamenwerking tussen één of meerdere industriële, overheids- of not-for-profit partner(s) en één of meerdere kennisinstelling(en). ICAI Labs richten zich altijd op AI technologie.
Dit specifieke ICAI Lab richt zich op:
- Het verhogen van de rijkdom en kwaliteit van gezondheids-, voedings- en gedragsgegevens door het monitoren van gezondheid met behulp van verschillende of nieuwe sensoren.
- Het ontwikkelen van slimme AI-algoritmen en machine-learningtechnieken om relevantere uitkomsten en kennis uit deze gegevens te halen.
- Het verbeteren van de gepersonaliseerde levensstijlfeedback die uit deze metingen wordt gegenereerd om te coachen in de richting van gezonder gedrag.
Door bij te dragen aan een algeheel gezonder gedrag van onze bevolking, kunnen we mogelijk de levenskwaliteit van mensen verhogen. Dit zal resulteren in een lagere verwachte incidentie van ziekten en dus ook in een lagere belasting van de gezondheidszorg.
4 werkpakketten
De toepassingsdomeinen voor de ontwikkelingen liggen op het gebied van voedingscoaching, het voorkomen van cognitieve achteruitgang, het voorkomen van orthostatische hypotensie en gezondheidsbevorderende chatbots voor rookverslaving en seksuele gezondheid. Deze gebieden worden behandeld in 4 werkpakketten. Er is een enorme synergie tussen deze werkpakketten op het gebied van het uitwisselen van algoritmen, technieken, data, kennis en expertise.
- WP1: AI voor dieetbeoordeling en dieetcoaching - Het doel van dit WP is om automatische en semi-automatische metingen van voedselinname en macronutriënteninname te ontwikkelen, zodat deze gegevens kunnen worden gebruikt om automatisch persoonlijk advies en geïndividualiseerde coaching te genereren.
- WP2: Niet-invasieve markers van cognitieve achteruitgang en interventierespons - Het doel van dit WP is het ontwikkelen van voorspellende modellen van markers voor cognitieve achteruitgang, geconstrueerd met behulp van (bestaande) data uit samenwerkingsprojecten binnen MOCIA (NWO Crossover).
- - WP3: Het ontwikkelen van gezondheidsbevorderende chatbots voor de lange termijn door middel van Natural Language Processing en cognitieve modellering. WP3 richt zich op de ontwikkeling van gezondheidsbevorderende chatbots in twee domeinen: rookverslaving en seksuele gezondheid. Om dit te bereiken, moeten chatbots in staat zijn om gepersonaliseerde gesprekken aan te gaan met gebruikers over langere perioden.
- WP4: Ontwikkeling en toepassing van machine learning algoritmen voor preventie en detectie van orthostatische hypotensie door middel van draagbare sensortechnologie - Dit WP richt zich op de ontwikkeling en validatie van draagbare sensoren voor het meten van de bloedstroom in de hersenen op basis van Nabij Infrarood Spectroscopie (NIS).
Het ICAI Lab bestaat uit 7 PhD studenten en 2 postdocs van excellentie die werken aan deze uitdagende AI problemen. Het lab zelf wordt gecoördineerd door twee wetenschappelijk directeuren, een lab manager en verschillende werkpakketleiders.
Zie voor meer informatie de website van het AI for Precision Health, Nutrition &Behavior Lab
