健康状态估计

生命中最宝贵的资产是健康。如果我们希望改善健康，持续理解我们的健康状态并建模其演化过程至关重要。鉴于如今人们所拥有的关于自身生活的数据比历史上任何时期都多，挑战在于将这些数据与日益增长的知识交织起来，以持续计算和建模个体的健康状态。本论文提出了一种通过融合多模态数据与领域知识来构建个人模型并动态估计个体健康状态的方法。该系统由四个基本抽象要素构成：1. 我们生活中的事件，2. 我们生物系统的层次（从分子到有机体），3. 源于生物基础的机能效用，4. 我们在日常生活现实中如何与这些效用交互。通过图网络模块连接这四个要素，形成了我们实例化个体数字孪生体的主干。随着数据被持续消化，该图结构中的边和节点随后通过学习技术定期更新。实验展示了利用来自各类个人与环境传感器的密集且异构的真实世界数据，监测个体心血管健康状态。状态估计与个体建模是从以疾病为导向的方法转向总体健康连续统范式的基础。预测健康的精确性要求理解状态轨迹。通过将此种估计封装于一种导航方法中，系统性的指导框架可以规划行动，将当前状态向期望状态过渡。本工作最后提出了这一结合健康状态与个人图模型以持续规划并协助我们朝向目标生活的框架。