COVID-19大流行的例子表明，我们的健康和福祉取决于一个难以衡量的社会因素和个人行为网络。我的研究旨在建立能够影响这种社会挑战的计算方法。这一努力需要新的算法和数据驱动的范式，涵盖收集昂贵数据、学习模型以理解和预测交互作用以及优化干预中有限资源的使用的整个过程。针对这些需求，本文提出了机器学习、优化和社交网络交叉的方法学发展，这些方面的发展是由在艾滋病毒预防、结核病治疗和COVID-19反应方面的实地合作所推动的。这些项目产生了已部署的应用程序和策略影响。一个例子是在无家可归的青年中开发一项预防艾滋病毒的人工智能增强干预措施。该系统在一项涉及700多名青年的实地测试中进行了评估，发现它显著降低了艾滋病毒的关键风险行为。
https://dash.harvard.edu/handle/1/37370083
成为VIP会员查看完整内容
AI for Population Health: Melding Data and Algorithms on Networks
相关内容
Arxiv
0+阅读 · 2022年7月1日
Arxiv
0+阅读 · 2022年7月1日
Arxiv
0+阅读 · 2022年6月30日
Arxiv
0+阅读 · 2022年6月29日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2022年7月1日
Arxiv
0+阅读 · 2022年7月1日
Arxiv
0+阅读 · 2022年6月30日
Arxiv
0+阅读 · 2022年6月29日
微信扫码咨询专知VIP会员