基于贝叶斯人工智能的数字表型学驱动的儿童生长多维指数（MICG-AI）

本文提出一种用于监测儿童多维生长的数字表型学方法的算法。数字表型学提供了独特的机会，通过实时收集和分析高频数据，捕捉儿童在自然环境中的行为、心理和生理状态。传统的儿童生长模型主要关注身体指标，常常忽视情感、社会和认知发展等多维方面。本文引入了基于贝叶斯人工智能（Bayesian artificial intelligence, AI）的算法，利用数字表型学创建儿童生长多维指数（Multidimensional Index of Child Growth, MICG）。该指数整合了儿童发展各维度的数据，包括身体、情感、认知和环境因素。通过融入概率建模，该算法能够动态更新其学习，基于由母亲和儿童使用的手机应用收集的数据。该应用还能从响应时间中推断不确定性，从而调整每个生长维度的重要性。我们的贡献将最先进技术应用于跟踪儿童的多维发展，使家庭和医疗保健提供者能够在实时内做出更明智的决策。