Con la creciente prevalencia de sensores de atención médica y su capacidad para comunicarse de forma inalámbrica, es posible controlar de forma continua y remota las características de salud de los usuarios individuales. Además de que estos sensores se comunican con teléfonos inteligentes, también es posible capturar otros comportamientos del usuario (por ejemplo, ubicación, nutrición, actividad) que influyen profundamente en la salud.
Esta presentación describe una solución para monitorear pacientes diabéticos de forma remota que les proporciona alertas predictivas para evitar la hipoglucemia y mejorar los resultados de salud. Como parte de esta solución, la fecha del sensor debe integrarse con el contexto para construir modelos predictivos basados en el aprendizaje automático que brinden información y alertas continuas a los usuarios. Los modelos requieren una rápida adaptación para tener en cuenta los comportamientos modificados a medida que los usuarios reciben comentarios. La presentación explora cómo los modelos están personalizados para el individuo.
Aprenda sobre las características principales de los modelos predictivos, las aplicaciones y los desafíos para implementar el aprendizaje automático adaptable y personalizado en entornos de atención médica.
Cuándo: Enero 25, 2018 1:00pm – 2:00pm EST
Dónde: Evento virtual
Para registrarse gratuitamente, Click aquíWith the increasing prevalence of healthcare sensors, and their ability to communicate wirelessly, it is becoming possible to continuously and remotely monitor the health characteristics of individual users. Furthermore, as these sensors communicate with smart phones, it is also possible to capture other contextual user behaviors (e.g., location, nutrition, activity) that deeply influence health.
This presentation describes a solution for monitoring diabetes patients remotely that provides them with predictive alerts to avoid hypoglycemia and improve health outcomes. As part of this solution, sensor date must be integrated with context to build machine learning-based predictive models that provide continuous insights and alerts to users. The models then require quick adaption to account for modified behaviors as users receive feedback. The presentation explores how the models are personalized to the individual.
Learn about core characteristics of predictive models and applications, and the challenges for deploying adaptive and personalized machine learning in healthcare settings.
When: Jan. 25, 2018 1:00pm – 2:00pm EST
Where: Virtual event
To register, Click here Com a crescente prevalência de sensores de saúde e sua capacidade de comunicação wireless, está se tornando possível acompanhar de forma contínua e remota as características de saúde de usuários individuais. Além disso, à medida que esses sensores se comunicam com telefones inteligentes, também é possível capturar outros comportamentos de usuários contextuais (por exemplo, localização, nutrição, atividade) que influenciam profundamente a saúde.
Esta apresentação descreve uma solução para monitorar pacientes com diabetes de forma remota que lhes fornece alertas preditivos para evitar hipoglicemia e melhorar os resultados de saúde. Como parte desta solução, a data do sensor deve ser integrada com o contexto para construir modelos de previsão baseados em aprendizagem de máquinas que fornecem informações e alertas contínuos aos usuários. Os modelos então requerem uma adaptação rápida para contabilizar comportamentos modificados, pois os usuários recebem feedback. A apresentação explora como os modelos são personalizados para o indivíduo.
Conheça as principais características dos modelos e aplicativos de previsão e os desafios para a implantação de aprendizagem de máquinas adaptável e personalizada em configurações de saúde.
Quando: Janeiro 25, 2018 1:00pm – 2:00pm EST
Onde: Evento virtual
Para se registrar gratuitamente, Clique aquí
