进化式人工智能助力健康：利用被动传感进行动态个性化实时孤独感检测

孤独感是一个日益严重的健康问题，因为它可能导致长期感到孤独的人出现抑郁症和其他相关的心理健康问题。利用使用智能手机和可穿戴传感器数据来捕捉日常行为模式的被动传感方法，为孤独感的早期检测提供了一种有前景的途径。鉴于孤独感的主观性质以及人们日常作息的差异，过去使用机器学习模型的检测方法往往在有效检测孤独感方面面临挑战。本文提出了一种方法论上新颖的方法，特别是开发了一种随时间进化、适应新数据并提供实时检测的孤独感检测系统。我们的研究利用了 Globem 数据集，这是一组从大学生那里收集的为期 10 周的全面被动传感数据。我们方法的基础是使用增量聚类方法持续识别和完善学生中相似的行为群体。随着新数据的加入，模型会根据变化的行为模式进行改进。与此同时，我们创建并更新分类模型，以在进化的学生行为群体中检测孤独感。当在学生数据中观察到独特的行为模式时，会创建专门的分类模型。对于孤独感预测，采用通用模型和专用模型之间的协作努力，将每次预测视为一票。本研究的发现表明，基于群体的孤独感检测模型表现出优于通用模型的性能，强调了针对特定行为模式进行更个性化方法的必要性。这些结果为未来的研究铺平了道路，强调了开发精细调整的个体化心理健康干预措施的重要性。