Hay varias empresas increíbles que utilizan sensores de hardware externos para modelar la salud de una persona (por ejemplo, actividad / acelerómetro, frecuencia cardíaca, glucosa en sangre, etc.): Fitbit, Jawbone, BodyMedia, Nike Fuel, Cardiio, Azumio, Sacandu, AliveCor, AgaMatrix, etc. I Soy fan de todos ellos. Rock Health (con sede en SF) tiene una lista detallada de compañías de salud digital en diferentes subcategorías: Rock Health »Lista de inicio
Sin embargo, hasta donde sabemos, somos la primera (y quizás la única) startup que utiliza datos de comportamiento móvil pasivos para modelar resultados de salud y conocimientos para la gestión de la población. Principalmente porque la compañía se basa en mi tesis doctoral y solo hay unos pocos grupos de investigación activos en este espacio, aunque eso ha cambiado rápidamente. La ventaja principal de nuestro enfoque es que los dispositivos / datos ya existen, y los usuarios no tienen que cambiar su comportamiento, es decir, recuerden recargar o llevar otro sensor. Otros grupos de investigación que realizan trabajos muy interesantes en este espacio están en Harvard (Christakis), Northeastern (CCNR), Cornell (Choudhury), UCSD (Fowler), etc.
Para obtener más información sobre las formas de modelar estos datos, tenemos varias publicaciones disponibles en nuestro sitio web. Desafortunadamente, estos solo cubren investigaciones anteriores en el MIT, y aún no hemos publicado públicamente la próxima ronda de modelos y resultados, basados en poblaciones de pacientes más grandes y nuevas áreas de enfermedades. Pero espero que eso cambie con el tiempo.
- ¿Cómo funciona Delta TF-IDF?
- ¿Está nuestro cerebro conectado para reconocer y admirar la simetría o otros animales también muestran rasgos similares?
- ¿Cuándo debo usar un autoencoder frente a un RBM?
- ¿Debemos usar el ajuste fino en redes neuronales profundas? La precisión de la clasificación es del 100%, pero después de un ajuste fino, se convierte en el 95.7%, ¿cómo llega esto?
- ¿Hay algún artículo que justifique la normalización de los valores de los elementos en los sistemas de recomendación?
Hasta entonces, hay un par de formas de aprender más o involucrarse: (a) estamos contratando activamente, para funciones de ingeniería, datos y negocios (b) varios investigadores están utilizando nuestra plataforma como una forma de recopilar información pasiva datos de comportamiento en entornos del mundo real.