Abstract
Commerciële wearables zoals Garmin en Whoop geven gebruikers dagelijks een 'body bat-
tery'-score: een numerieke indicator van fysieke en mentale paraatheid. Hoewel deze scores populair zijn,
worden ze vaak gegenereerd door black-box-algoritmen, waardoor hun voorspellende betrouwbaarheid voor
prestaties of ziekteopsporing grotendeels onduidelijk blijft.
De centrale onderzoeksvraag is of we nauwkeurigere en transparantere
gezondheidsmodellen kunnen bouwen dan die welke momenteel op de markt beschikbaar zijn. Daartoe zullen we ook
innovatieve Speckle Plethysmography (SPG)-sensoren bestuderen. SPG levert biometrische signalen
zoals hartslag, hartslagvariabiliteit, ademhalingsfrequentie en mogelijk bloeddruk
of zuurstofsaturatie, met verbeterde robuustheid onder uitdagende meetomstandigheden
.
We zullen statistische en op AI gebaseerde modellen ontwikkelen die zowel voorspellend als verklaarbaar zijn.
Deze modellen zullen worden vergeleken met bestaande commerciële scores en we zullen de
fysiologische factoren achter de voorspellingen onderzoeken.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)