Samenvatting

Human Digital Twins zijn een opkomend type Digital Twin dat in de gezondheidszorg wordt gebruikt om persoonlijke ondersteuning te bieden. In navolging van deze trend zijn we van plan om onze virtuele fitnesscoach, een coachingplatform dat gebruikmaakt van draagbare gegevens over fysieke activiteit, naar het niveau van een gepersonaliseerde Human Digital Twin te tillen. Voorlopig onderzoek heeft een significant verschil in prestaties aan het licht gebracht, gemeten aan de hand van voorspellingsnauwkeurigheid en F1-score, tussen de optimale keuze van machine learning-algoritmen voor algemene en gepersonaliseerde verwerking van de beschikbare gegevens. Op basis van deze bevindingen heeft dit onderzoek tot doel de stand van zaken vast te stellen met betrekking tot de selectie en toepassing van machine learning-algoritmen in Human Digital Twin-toepassingen in de gezondheidszorg. Uit het onderzoek blijkt dat er, in tegenstelling tot algemene machine learning-toepassingen, beperkt literatuur beschikbaar is over optimalisatie en de toepassing van meta-learning in gepersonaliseerde Human Digital Twin-oplossingen. Als conclusie geven we richting voor verder onderzoek, geformuleerd in de volgende onderzoeksvraag: hoe kan de optimalisatie van human data feature engineering en gepersonaliseerde modelselectie worden bereikt in Human Digital Twins en kunnen technieken zoals meta-learning in deze context van nut zijn?