Synthetic Data Generator for Adaptive Interventions in Global Health

要約

人工知能とデジタルヘルスは、グローバルヘルスを変革する可能性を秘めています。しかし、現実的な生産環境でアルゴリズムをテストし、検証するための代表的なデータにアクセスすることは不可欠である。我々は、モバイルヘルス介入という文脈で強化学習アルゴリズムをテストするための、ユーザー行動のオープンソースの合成データジェネレーターであるHealthSynを紹介します。このジェネレータは、マルコフ過程を利用して多様なユーザー行動を生成し、個々のユーザーの行動パターンは、パーソナライズされた介入（リマインダー、推奨、インセンティブなど）に反応して変化することができます。これらのアクションは、HealthKitに含まれるモバイルヘルスアプリケーション機能、およびオープンソースのSDKに固有のML-purposedデータスキーマを使用して実際のログに変換されます。このログはパイプラインに供給され、ユーザーメトリクスを取得することができます。実世界の行動とシミュレーション技術に基づく生成データは、研究におけるMLアルゴリズムと、エンドツーエンドの運用におけるRLベースの介入提供フレームワークの両方を開発、テスト、評価するために使用することができます。

要約(オリジナル)

Artificial Intelligence and digital health have the potential to transform global health. However, having access to representative data to test and validate algorithms in realistic production environments is essential. We introduce HealthSyn, an open-source synthetic data generator of user behavior for testing reinforcement learning algorithms in the context of mobile health interventions. The generator utilizes Markov processes to generate diverse user actions, with individual user behavioral patterns that can change in reaction to personalized interventions (i.e., reminders, recommendations, and incentives). These actions are translated into actual logs using an ML-purposed data schema specific to the mobile health application functionality included with HealthKit, and open-source SDK. The logs can be fed to pipelines to obtain user metrics. The generated data, which is based on real-world behaviors and simulation techniques, can be used to develop, test, and evaluate, both ML algorithms in research and end-to-end operational RL-based intervention delivery frameworks.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL