解决常需查找模式的问题深入理解研究者对临床条件的因素和影响,越接近向病人提供预防和更好的护理实践
博士得克萨斯A&M大学计算机科学工程系助理教授Bobak Mortazavi正在开发医学传感器项目,生成数据跟踪各种心血管疾病风险因素,如心脏病发作和心机故障
Mortazavi使用数据挖掘技术,这是检验大型数据集以生成新信息的一种方式,机器学习应用设计临床决策支持系统并研究临床结果
Mortazavi表示:「我们可以创建模型预测并发症风险,并用这些结果模型引导新感知系统设计 以建立动态个性化预测
Mortazavi及其团队通过开发医疗传感器每日跟踪这些风险因素,有能力更好地了解生物医学数据的长期建模,理解并设计改善护理的度量尺度,并有可能识别临床条件新特征以改善个性化病人护理
医学知识不足以理解工具的工程开发反向理解临床研究也不完全有助于开发最新感知学习技术如果不能完全了解每一种方法,某些进步完全不可能实现。
Mortazavi表示,通过协作, 我们的目标是培训研究人员 在所有组件端对端研究从感知系统教用户如何收集资料数据挖掘机学习应用中, 我们教他们识别数据中与临床相关模式最重要的是,我们都学习从这些数据中学习教益,以协助临床决策并增加改善病人护理的潜力。”
Mortazavi于2014年首次开始学习这个题目,当时他在耶鲁医学院完成博士后学习博士研究涉及人活动识别、可穿感应器和exgerming,开发用户网络物理系统博弈应用以鼓励体育强度的活动系统短脉冲作用时,他开始有兴趣学习如何应用这些系统长期用于临床实用性
研究内容包括学习系统的长期使用会如何影响临床不良事件,如何识别事件风险,以及如何设计用户界面供系统使用,使病人和临床医生能够改善护理轨迹决策
Mortazavi是德克萨斯A&M工程实验站远程卫生技术系统中心成员,正与中心内和部门内研究人员和教职员工协作,如Dr.阿特拉斯王助理教授博士Theodora Chaspari助理教授博士里卡多古铁雷斯Osuna教授和Dr.Roozbehjafari副教授计算机科学、生物医学和电气计算机工程
德州A&M以外的合作者如Dr.Harlan Krumholz, 哈罗德H海因斯小医学学教授兼社会政策研究学院教授、医学调查和公共卫生学教授耶鲁-新港医院结果研究评价中心主任Robert WoodJohnson基金会耶鲁大学临床学者课程联合主管
Mortazavi目前专注于心血管疾病,