Цифровое фенотипирование и персонализированное здоровье
Как преобразовать непрерывные физиологические и мультимодальные биологические данные в воспроизводимые цифровые фенотипы для персонализированной медицины?
Проекты
Наши проекты направлены на создание строгих методологических основ цифровой биостатистики и демонстрацию их практической ценности для биомедицинских исследований, клинической практики и здоровья населения. Мы разрабатываем статистические методы, необходимые для превращения непрерывных, продольных и мультимодальных данных о здоровье в надёжные биомедицинские знания и клинически значимые решения. Эта работа организована в рамках трёх взаимосвязанных исследовательских программ, общая цель которых — реальные улучшения в области метаболического здоровья, помощи при диабете и персонализированного питания.
Ключевые исследовательские программы
Цифровые биомаркеры прогрессирования заболеваний
Могут ли почти непрерывные цифровые измерения выявлять клинически значимые изменения раньше стандартных клинических обследований?
Здоровье населения и цифровая эпидемиология
Как цифровые данные о здоровье могут улучшить эпидемиологический надзор, профилактику и планирование медицинской помощи на уровне населения?
Открытые вопросы, над которыми мы работаем
Наши исследования строятся вокруг открытых методологических, прикладных и клинических вопросов. Они направляют развитие новой статистической теории и обеспечивают связь разрабатываемых методов со значимыми задачами медицины и общественного здравоохранения.
E-значения для множественной проверки гипотез в высокой размерности
Как на основе e-значений построить общую систему масштабной множественной проверки гипотез в исследованиях цифрового здоровья с высокой размерностью данных?
Оптимальное конформное прогнозирование для моделей со случайными эффектами
Как распространить конформное прогнозирование на многоуровневые модели и модели со случайными эффектами, сохранив содержательные гарантии маргинального и условного покрытия?
Условный прогностический вывод для случайных объектов
Как строить области прогнозирования для случайных объектов в метрических пространствах, обеспечивающие строгие гарантии условного покрытия без жёстких предположений о гладкости?
Глубокое обучение без предположений о многообразиях
Какие теоретические гарантии можно установить для алгоритмов глубокого обучения в общих неевклидовых пространствах, не предполагая, что наблюдения лежат на гладком многообразии, и исходя из современных задач цифрового здравоохранения?
Математические основы анализа распределительных данных
Какие математические и статистические основы необходимы, чтобы анализ распределительных данных стал строгим, интерпретируемым и широко применимым подходом в цифровом здравоохранении?
Прикладные и клинические вопросы
Наряду с этими методологическими задачами мы изучаем важные прикладные вопросы, в которых передовые статистические методы могут принести ощутимую клиническую и биомедицинскую пользу.
Генетические открытия с помощью цифровых фенотипов
Могут ли цифровые фенотипы выявлять генетические ассоциации, недоступные традиционным клиническим биомаркерам?
Валидация глюкоплотности как цифрового биомаркера
Можно ли подтвердить, что глюкоплотность и связанные с ней распределительные представления являются устойчивыми, воспроизводимыми и более информативными цифровыми биомаркерами метаболического здоровья?
Вариабельность глюкозы и микробиом
Какую роль играет вариабельность глюкозы во взаимосвязи микробиома и метаболического здоровья и как данные непрерывного мониторинга глюкозы могут помочь её охарактеризовать?
Непрерывный мониторинг глюкозы и ретинопатия
Как фенотипы непрерывного мониторинга глюкозы связаны с диабетической ретинопатией и другими микрососудистыми осложнениями?
Фенотипирование непрерывных биомедицинских сигналов
Как преобразовывать непрерывные физиологические сигналы в клинически значимые и воспроизводимые цифровые фенотипы и что необходимо для создания строгой системы фенотипирования на основе непрерывного мониторинга глюкозы у людей без диабета?
Подробнее о нашей работе
Статистическое моделирование мультимодальных цифровых данных о здоровье и омиксных данных в Human Phenotype Project
Разработка моделей статистического ИИ для интеграции мультимодальных цифровых данных о здоровье, медицинских изображений, геномных данных и данных микробиома из Human Phenotype Project с применением к риску ретинопатии, метаболизму глюкозы и функциональным цифровым фенотипам здоровья.
Пространственно-временные методы цифровой эпидемиологии с применением к сахарному диабету
Разработка пространственно-временных статистических методов и методов машинного обучения для анализа цифровых данных о здоровье с носимых устройств, систем непрерывного мониторинга глюкозы и электронных медицинских карт с целью изучения пространственно-временного распределения риска диабета и метаболического контроля.
Функциональные распределительные биомаркеры для отслеживания прогрессирования БАС
Разработка функциональных и распределительных биомаркеров на основе почти непрерывных данных о движениях рук для улучшения мониторинга прогрессирования бокового амиотрофического склероза и прогнозирования выживаемости.