Opis projektu
Aplikacja na smartfony dla osób z zaburzeniami odżywiania
Zaburzenia odżywiania dotykają około 20 milionów osób w UE. Często związane są z problematycznymi zachowaniami, takimi jak głodzenie, objadanie i przeczyszczanie się, a ich leczenie zazwyczaj polega na połączeniu psychoterapii i edukacji żywieniowej. W związku z tym w ramach finansowanego ze środków UE projektu SmartEater powstaje aplikacja umożliwiająca inteligentne, mobilne rejestrowanie stanów psychologicznych i emocjonalnych oraz zachowań żywieniowych, służąc za podstawę interwencji wspierających osoby z żarłocznością psychiczną lub zaburzeniami z napadami objadania się. Aby zapewnić wysoki poziom przestrzegania zasad przez użytkowników, aplikacja wielokrotnie prosi ich o wprowadzanie danych dotyczących apetytu, stresu i innych informacji. Wykorzystując algorytmy uczenia maszynowego, aplikacja „uczy się” od użytkownika i przewiduje wystąpienie potencjalnie problematycznych zachowań żywieniowych w przyszłości, aby możliwa była interwencja na czas.
Cel
Smartphones are ubiquitous in all age groups and socioeconomic levels and digitalization of various life domains is in full
progress. While there are several areas where skepticism is justified, the personal health domain still holds high promises, particularly when applied in specific settings. The proposed mHealth app SmartEater provides intelligent mobile logging of stress, and eating
behavior as a basis for intervention and follow-up care in clinics treating eating disorders and obesity. Current apps require frequent and cumbersome entries, resulting in low user adherence and poor data quality. Evidence for their usefulness is often missing. Further, therapeutic content is not personalized. In SmartEater, users repeatedly enter data on experienced craving for foods and stress. SmartEater then ‘learns’ from the user through sophisticated machine learning algorithms: data from smartphone usage
patterns (e.g. screen-on time, calls, messages, internet traffic) and sensor data (e.g. movement, background noise) are
combined to substitute for manual user input, thereby progressively reducing user burden. Temporal pattern analysis of
individual time-series allows prediction of stress and craving bouts into the near future. Such predictions allows the app to respond
to upcoming eating 'crises’ e.g. overeating/binge eating and launch situation-appropriate tips that have been developed individually for the user during in-patient treatment. SmartEater will be routed in psychological models of eating behavior and rigorously tested in the described population to evaluate efficacy. Due to the sensitive nature of such data, SmartEater enforces strict privacy protection. Targeted markets include health insurances which profit from improved patient health and successful transfer into daily life after professional treatment as well as clinics with an eating/weight disorder focus in German speaking coutries.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczeinformatykainternet
- inżynieria i technologiainżynieria elektryczna, inżynieria elektroniczna, inżynieria informatycznainżynieria elektronicznaczujniki
- inżynieria i technologiainżynieria elektryczna, inżynieria elektroniczna, inżynieria informatycznainżynieria informacyjnatelekomunikacjatelefony komórkowe
- nauki przyrodniczeinformatykasztuczna inteligencjauczenie maszynowe
- medycyna i nauki o zdrowiunauki o zdrowiuodżywianieotyłość
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Program(-y)
System finansowania
ERC-POC - Proof of Concept GrantInstytucja przyjmująca
5020 Salzburg
Austria