Data Science und Machine Learning zur Gesundheitsförderung
Das Smart Health Lab forscht im Bereich E-Health an der Anwendung und Weiterentwicklung moderner Machine Learning und Data Science Methoden im Bereich Health und E-Health. Ein Schwerpunkt liegt in der Auswertung von Sensor- und Verhaltensdaten für die Emotions- und Stresserkennung. Anwendungsbezüge bestehen hier im Bereich des Ecological Momentary Assessements mit Hilfe von Smartphone- und Wearabledaten wie auch im Einsatz in Trainingssimulationen und Serious Games im VR-Bereich. Die hier erhobenen Zeitreihen umfassen eine Vielzahl verschiedener Modalitäten auf unterschiedlichen zeitlichen Skalen, die von der Herzratenvariabilität bis hin zur täglichen Schrittzahl reichen. Diese Daten müssen aufbereitet, analysiert, zusammengeführt und letztendlich klassifiziert werden.
Dabei ergeben sich mehrerer Herausforderungen. Die Daten sind vielfach deutlich durch Rauschen und systematische Verzerrungen überlagert, sodass die erste Aufgabe in der Erkennung und Behandlung von Artefakten und verwandter Herausforderungen liegt. Aus diesem Grund werden verschiedener state-of-the-art Techniken evaluiert und für eine Anpassung an den jeweiligen spezifischen Problemfall andererseits erweitert. Eine weitere Herausforderung beruht auf der allgemeinen Datenlage: Daten guter Qualität mit verlässlichen Labeln liegen selten in dem Maß vor, welches ein Lernen mit tiefen Netzwerken ermöglichen würde. Erschwerend kommt hinzu, dass die Reaktionen der Probanden auf Stressoren und Reize sowohl von Person zu Person als auch innerhalb einer Person selbst deutlich variieren können. Daher arbeitet das Smart Health Lab an der Nutzbarkeitmachung verschiedener Varianten des Metalernens wie beispielsweise des Transfer Learnings und k-Shot Learnings, generativer Ansätze und an alternativen Möglichkeiten der Datenrepräsentation. Das Ziel ist die Erstellung einer verlässlichen, schnell anpassbaren Machine-Learning-Pipeline für die Stress- und Emotionserkennung.
Die Forschung im Bereich der künstlichen Intelligenz umfasst zusätzlich die Untersuchung, Anpassung und Weiterentwicklung von automatisierten Adaptionsmöglichkeiten im Bereich Serious Games. Dieser Schwerpunkt kann dem Gebiet der Optimal Dynamic Treatment Regimes zugeordnet werden, wobei im Rahmen des Smart Health Labs die Techniken unterstützend für den menschlichen Experten zum Einsatz kommen werden. Die Forschung konzentriert sich zunächst auf Online-Reinforcement-Learning-Techniken im Rahmen des Stressresilienztrainings, um eine schnelle Personalisierung zu ermöglichen. Gleichzeitig kommen zum Beispiel Techniken des Unsupervised Learnings zu Anwendung, um das in-Game Verhalten der Probanden und insbesondere ihre Reaktionen auf Reize, Stressoren und Interventionen genauer zu untersuchen und die Adapations- und Empfehlungsmethoden weiterzuentwickeln.