damien.lekkas@northwestern.edu https://damienlekkas.com orcid.org/0000-0000-0000-0002-6995-9223 Linkledin.com/in/dlekkkas/ e Ducation e Ducation 20224 Dartmouth College 2024 Dartmouth College Ph.D.,Dartitative Biomedical Ph.D.论文标题:痛苦的公司:模拟数字时代的自杀思想和行为的公共和私人面孔2019年费城科学大学的生物信息信息顾问:Zhijun Li,博士学位。 2014年宾夕法尼亚大学M.S.,人类学论文顾问:珍妮特·蒙格(Janet Monge),博士论文标题:认知科学顾问的颅孔径B.A.的表达方式:珍妮特·蒙格(Janet Monge),博士学位。和Arthur E. Dunham博士Magna cum Laude A Pointments 2025年3月 - 西北大学Feinberg医学院医学社会科学系研究助理教授部门研究I Terests数据驱动的心理健康计划;数字干预措施;数字表型;物联网;自杀;应用机器学习;自然语言处理;网络分析;统计建模;移动传感;被动收集的纵向数据;生态瞬间评估
创伤后应激障碍 (PTSD) 的特点是症状复杂多样,因此在传统临床环境之外很难检测。幸运的是,移动技术、被动传感和分析技术的进步为研究和开发提供了有希望的途径。本研究考察了利用全球定位系统 (GPS) 数据(七天内从智能手机被动获取)检测一组高风险、曾受过创伤的女性 (N = 185) 的 PTSD 诊断状态的能力。使用每日外出时间和离家最大距离作为模型特征工程的基础,结果表明可以高性能地预测诊断组状态(AUC = 0.816,平衡灵敏度 = 0.743,平衡特异性 = 0.8,平衡准确度 = 0.771)。结果进一步表明 GPS 信息作为 PTSD 行为库的数字生物标记物的潜在效用。未来的 PTSD 研究将受益于在更大、更多样化的人群中应用 GPS 数据。
人工智能代理的最后一个要素是其运行的环境。环境决定了传入数据的来源和有效性,代理通过其输出影响环境(例如,对公司未来的风险评估可能会影响公司的行为)。这种反馈循环在“强化学习”中尤为重要,在强化学习中,人工智能代理通过反复试验从与环境的交互中学习,并因表现良好而获得奖励。如果将人工智能代理部署在不同的环境中,它不太可能正常运行(例如,经过训练以识别业务风险的系统在非业务环境中可能表现不佳)。因此,人工智能代理的不当行为可能是由于它部署在未经训练的环境中而导致的。