AI-systeem voor persoonlijk advies gezonde leefstijl

Thema:
Artificiële intelligentie
7 november 2024

Kunstmatige intelligentie (AI) biedt ongekende mogelijkheden om mensen gezonder te laten leven. In het project F.A.T.E hebben we methoden ontwikkeld waarmee een AI-systeem kan helpen een leefstijl aan te passen. Op een verantwoorde manier gebruikt het vertrouwelijke data om gerichte leefstijladviezen te geven die jou op een positieve manier beïnvloeden naar een gezondere leefstijl. Dit biedt kansen om bepaalde ziektes, als diabetes voor bepaalde bevolkingscategorieën en zelfs per individu, veel nauwkeuriger te voorspellen.

Geanonimiseerde gegevens

In het project F.A.T.E werkt TNO aan technologieën om dit mogelijk te maken. We doen dat in lijn met de beginselen van de op handen zijnde Europese AI-verordening (Artificial Intelligence Act) als eerlijkheid, vertrouwelijkheid, transparantie en uitlegbaarheid. Daarmee is het goed mogelijk om toepassingen te bouwen die mensen ondersteunen bij het nemen van de juiste beslissingen over een gezonde leefstijl. Daarbij gebruiken we volledig beveiligde en geanonimiseerde gegevens van artsen, ziekenhuizen en bijvoorbeeld RIVM.

Concreet en inzichtelijk

Meer bewegen en gezonder eten zijn voor de hand liggende adviezen, maar winnen pas echt aan kracht als ze voor een individu heel concreet en inzichtelijk worden gemaakt. Welk soort eten moet ik juist tot me nemen of mijden, op welke momenten van de dag; en past hardlopen of vaker fietsen beter bij mij? En welke resultaten mag ik van mijn gedragsverandering verwachten?

Kans op ziekten voorspellen

TNO heeft methoden ontwikkeld om bias in modellen te repareren. Daarmee is de kans op bepaalde ziektes als diabetes voor bepaalde bevolkingscategorieën en zelfs per individu veel nauwkeuriger te voorspellen.

Tegelijkertijd zijn per individu heel persoonlijke adviezen te geven om ziektes te voorkomen. Artsen kunnen het model gebruiken door hun diagnose van een patiënt te vergelijken met een relevante populatie.

Omdat er doorlopend nieuwe data aan het systeem worden toegevoegd en het model zelflerend is, wordt het persoonlijk advies voor gedragsverandering ook steeds actueler en verfijnder.

Persoonlijk advies

Hoe werkt dat straks in de praktijk? Je leeftijd, geslacht, lengte, gewicht en BMI zijn bekend in het systeem. Je geeft dagelijks jouw gegevens over lichaamsbeweging, voeding, hartslag, glucose en meer vanuit je smartwatch of ander apparaat door.

In het model worden die gegevens aangevuld uit verschillende bronnen en vergeleken met de voor jou relevante populatie leidend tot een risicoscore op bepaalde ziekten inclusief een verklaring waar de score op gebaseerd is.

Vervolgens krijg je voor het huidige aantal stappen, verbruikte calorieën, hartslag en hoeveelheid glucose terug in hoeverre die bijdragen aan het verlagen of verhogen van het risico en wat je concreet moet doen die dag om de doelen omtrent de gezondere leefstijl te behalen.

3 voorbeelden van AI-systemen voor beslisondersteuning

Onderstaand zijn 3 voorbeelden voor adviesmodellen te zien, waarin AI menselijke beslissingen kan ondersteunen en adviezen geven op basis van de leefstijl. Het model werkt in 4 stappen:

1. Profiel: Eerst wordt een profiel gemaakt van de persoon in kwestie met daarin de gegevens: naam, leeftijd, lengte, gewicht, BMI, woonplaats, werk, hoeveelheid lichaamsbeweging, score van stress, score dieet en score blootstelling aan fijnstof.

2. Database populatie: De data uit voorgaande stap gaat het AI-systeem in, samen met de data van de bevolking die uit databases van de ziekenhuizen, huisartsen en het RIVM komen. Deze data worden beveiligd aangeboden aan
het Al-systeem.

3. AI-systeem: In het Al-systeem wordt eerst alle data geanonimiseerd. Daarna wordt de bias gemitigeerd, wat betekent dat er voor wordt gezorgd dat de database wordt gecorrigeerd op vooroordelen die al in het Al-systeem zitten. Hierdoor komt
er geen ongewenste discriminatie voor op bepaalde eigenschappen van mensen, zoals geslacht, en worden er representatieve en nauwkeurige conclusies getrokken.

Hierna wordt er in de dataset gekeken naar gezondheidsrisico's, zoals het risico op diabetes type 2, vormen van kanker en hart- en vaatziekten.

4. Advies voor trendverandering: In de laatste stap van het model wordt een advies gegeven voor een trendverandering op basis van allerlei parameters. Zoals het aantal stappen, de calorie inname, de hartfrequentie, het glucoseniveau en fijnstofblootstelling. De grafiek bij de parameters geeft de trend van het gedrag weer richting het gezonde doel.

Uiteindelijk komt hier, op basis van alle data, een persoonlijk dagelijks advies uitrollen. Adviezen voor onderstaande profielen zijn: eet 's ochtends koolhydraten, eet geen snacks vanaf 2 uur, ga na je werk vandaag hardlopen.

Vrouw, 45 jaar, werkend in de logistiek

Man, 63 jaar, thuiswerkend

Man, 35 jaar, werkend in de fabriek

Meer weten over dit project?

Laat je verder inspireren

56 resultaten, getoond 1 t/m 5

Nieuw consortium ontwikkelt geavanceerde AI voor bewakingsrobots

Informatietype:
Nieuws
4 september 2024
TU Delft, Universiteit van Amsterdam, TNO en de Koninklijke Marechaussee bundelen hun krachten in een baanbrekend project om kunstmatige intelligentie (AI) te ontwikkelen voor bewakingsrobots.

Human-AI, want samen kunnen mens en machine grotere uitdagingen aan

Informatietype:
Insight
1 juli 2024

Steeds meer kunstmatige intelligentie ingezet door overheid

Informatietype:
Nieuws
25 juni 2024

AI in opleiding: FATE ontwikkelt digitale doktersassistent

Informatietype:
Insight
21 mei 2024

Onderzoek TNO en Kieskompas: AI-taalmodellen zijn inconsistent en neigen naar links

Informatietype:
Nieuws
22 november 2023