🤖 AI

Personalized Digital Health Modeling with Adaptive Support Users

本文提出了一种统一的数字健康建模框架，通过在数据稀缺场景中自适应地加权支持用户——将相似个体整合用于迁移学习，将不相似个体用于对比正则化——从而在多个真实世界数据集上实现预测准确性和数据效率的显著提升。

原作者： Zhongqi Yang, Mahkameh Rasouli, Neda Mohseni, Yong Huang, Iman Azimi, Amir M. Rahmani

发布于 2026-05-06

📖 1 分钟阅读☕ 轻松阅读

原作者： Zhongqi Yang, Mahkameh Rasouli, Neda Mohseni, Yong Huang, Iman Azimi, Amir M. Rahmani

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图为自己学会烘焙完美的蛋糕。你有一本记录自己烘焙尝试的小笔记本（即你的个人数据），但它杂乱无章、信息不全，有时甚至把蛋糕烤焦了。

如今大多数数字健康工具试图通过两种方式解决这个问题：

“一刀切”的厨师：他们使用来自成千上万人的巨型食谱书。这是一个不错的平均值，但无法考虑你的具体口味或你的烤箱如何运作。
“相似者”厨师：他们找到几个与你完全相似的人，仅使用他们的食谱。这更好一些，但如果这几个人在某件事上都错了，你也会学到错误的东西。

本文提出了一种更聪明的方法，称为“自适应支持用户建模”。你可以将其想象为聘请一支个性化烹饪小队，其中包括两种截然不同的助手：

1. “双胞胎”助手（相似用户）

这些人非常像你。他们的食谱会强化你已知的内容。如果你们俩都喜爱巧克力，并且在相同温度下烤焦饼干，他们的数据有助于确认你自己的模式。他们提供正向支持。

2. “对比”助手（不相似用户）

这是本文的重大转折：它还包含那些与你非常不同的人。

类比：想象你正试图学习什么是“狗”。如果你只看金毛寻回犬，你可能会认为所有狗都是毛茸茸且金色的。但如果你同时也看看吉娃娃或大丹犬，你就会了解到什么不是狗。
在本文的模型中，这些“不同”的用户充当现实检验。它们帮助人工智能理解什么不符合你的模式。如果一位“不相似”用户的数据暗示了一种对你而言毫无意义的模式，模型就会学会忽略它。这防止人工智能被误导性信息搞糊涂。

魔法如何发生：“智能权重”系统

本文的真正天才之处在于它如何决定倾听每位助手的程度。它不仅仅是挑选“双胞胎”而忽略其他人。相反，它使用一个动态评分系统（称为自适应权重），该系统会随着模型的学习而改变。

过程：
1. 开始：模型根据初始数据猜测谁相似、谁不同。
2. 循环：模型进行自我训练。
  - 如果一位“相似”助手的數據有助于准确预测你的健康状况，模型会给他们高分（更多地倾听）。
  - 如果一位“不相似”助手的數據创造了清晰的对比，帮助模型理解你的边界，模型也会给他们高分（倾听这种对比）。
  - 如果某位助手的數據对你而言令人困惑或错误，他们的分数会降至接近零。
3. 结果：模型创建了一个定制食谱，将你自己的数据与所有人数据中最有用的部分融合在一起，同时主动过滤掉噪音。

本文的发现

研究人员在涉及孤独感、情绪、血糖和睡眠等真实世界健康数据上测试了这种方法。

更高的准确性：他们的方法比“一刀切”的方法更准确，也比仅查看“相似者”更好。
数据效率：当可用数据非常少（如一小本烘焙尝试笔记）时，与其他方法相比，该方法将准确性提高了约25%。在大型数据集上，它将准确性提高了10%。
“对比”很重要：当他们在实验中移除“不相似”助手时，模型的表现变差了。这证明了拥有不同于你的人实际上有助于学习你不是什么。
智能选择：模型学会了忽略那些中庸的用户。它发现最有用的数据来自那些非常相似或非常不同的人，而跳过了那些没有提供清晰信号的“普通”人。

结论

本文认为，要构建一个真正个性化的健康模型，你不应该只寻找与你相似的人。你还应该关注那些不同于你的人，以了解你自己健康的边界。通过让人工智能动态决定倾听谁、忽略谁，它比现有方法能更清晰、更准确地描绘出你的个人健康状况。

技术摘要：基于自适应支持用户的个性化数字健康建模

问题陈述

由于个体间存在显著的生理和行为异质性，个性化机器学习在数字健康领域至关重要。然而，用户特定数据的稀缺性、噪声和碎片化阻碍了有效的个性化。当个体数据不足以训练稳定模型时，需要引入外部数据，但如何在融入外部数据的同时不扭曲个人信号，仍是一个挑战。

现有方法通常依赖于“先进行群体预训练，再进行微调”的策略，或者仅池化那些被认为与目标个体“相似”的用户数据。这些策略存在两个主要局限性：

有偏迁移：将所有外部数据同等对待（群体预训练），或将迁移限制在相似用户的小邻域内，忽略了不相似用户潜在的利用价值。
错失良机：不相似用户的数据可能编码了具有信息量的对比或反例，但往往被排除在外。这导致对群体层面变异的覆盖有限，并阻碍模型学习目标用户“不是”什么。

直接纳入不相似用户的数据而不进行适配，可能会因引入误导性模式而降低准确性。因此，亟需一种训练方法，能够自适应地利用外部数据以迁移有益信息，同时抑制有害信号。

方法论

作者提出了一个统一的个性化框架，利用自适应支持用户（包含相似和不相似个体的一组用户）来训练个人模型。其核心创新在于将个性化表述为单一优化目标，联合更新模型参数和学习的自适应权重。

1. 支持用户初始化

该过程首先计算目标用户 $u$ 与所有外部用户 $j$ 之间的相似度得分 $s(u, j)$ 。这是通过计算用户嵌入之间的余弦相似度实现的，这些嵌入源自一个在池化群体数据上训练的辅助神经网络。与硬聚类不同，所有用户都被保留为潜在的支持用户，因为高度相似和高度不相似的用户都可能提供有价值的信息。

2. 统一优化目标

该框架最小化一个由三项组成的复合损失函数（公式 2）：

个人损失 ( $L$ )：直接来自目标用户自身数据 ( $D_u$ ) 的监督，确保对个体模式的特异性。
相似用户知识迁移：来自相似用户 ( $S(u)$ ) 损失的加权和。每个相似用户的贡献由固定的相似度得分 $s(u, j)$ 和学习的自适应权重 $\alpha_j$ 进行调节。该术语从对齐的模式中迁移预测结构。
不相似用户惩罚 ( $R$ )：来自不相似用户 ( $D(u)$ ) 的对比正则化项。该术语使用基于边界的损失，防止个人模型采纳不相似用户中发现的误导性模式，有效地结构化表示空间，将目标用户与具有对比特征的用户分离开来。

该目标受单纯形约束 ( $\sum \alpha_j = 1, \alpha_j \geq 0$ ) 限制，以确保归一化的影响力。

3. 迭代优化算法

该框架采用交替优化过程：

步骤 1（更新模型参数）：固定自适应权重 $\alpha_j$ ，通过反向传播更新模型参数（共享编码器 $\phi_{\theta_u}$ 和个性化头 $g_{\theta_u}$ ）。来自个人损失、迁移项和惩罚项的梯度以互补的方式塑造编码器和头。
步骤 2（更新自适应权重）：固定模型参数，根据每个支持用户的预测效用更新权重 $\alpha_j$ 。计算成本函数 $c_j$ ，平衡在相似用户上的预测误差与在不相似用户上的表示重叠。随后通过 softmax 对权重进行归一化，赋予那些提供有益泛化或信息对比的用户更高的影响力。

主要贡献

重新定义支持用户：本文引入了包含相似和不相似个体的“支持用户”概念，论证了不相似用户提供了以往工作中常被忽视的有意义的互补信息（反事实结构）。
统一自适应框架：一个新颖的框架，通过学习自适应贡献来整合异构的支持用户数据。这使得模型能够通过原则性的优化过程，选择性地利用有益信号并抑制有害信号。
实证验证与可解释性：在四个真实世界数据集上的六个医疗保健任务中进行了广泛验证，证明了该方法的有效性。此外，学习到的自适应权重提供了可解释性，为有针对性的数据选择提供了可操作的见解。

实验结果

该框架在四个真实世界的数字健康数据集上进行了评估：孤独感 (Loneliness)、情感 (Affect)、CGMacro（葡萄糖反应）和 Globem（睡眠预测）。性能与六种基线进行了比较，包括群体模型、纯个性化模型、合并模型、基于迁移的模型、基于聚类的模型和固定相似度加权模型。

性能提升：所提出的方法始终优于基线。在大规模数据集（如 Globem）上，其均方根误差 (RMSE) 降低了高达 10%。在低数据设置下，改进更为显著，RMSE 降低了约 25%。
数据效率：改变支持用户百分比的实验表明，在选定子集（最相似的 10% 和最不相似的 10%）上训练的模型，其表现往往优于在整个群体上训练的模型，验证了“支持用户”概念的实用性。
架构敏感性：在小数据 regime 下（孤独感、情感），简单的 MLP 编码器优于 Transformer 编码器；随着数据可用性的增加（Globem），性能差距缩小。
消融研究：在许多任务中，移除相似用户迁移项或不相似用户惩罚项均导致性能显著下降，证实了这两个组件的必要性。同样，使用固定权重而非自适应权重会导致性能降低，特别是在异质群体中。

意义与主张

本文声称，其主要意义在于将个性化数字健康的范式从排除不相似用户转变为自适应地整合他们。通过将个性化视为一个平衡个人损失、正向迁移和对比正则化的统一目标，该方法解决了数据稀缺和噪声的根本挑战。

作者强调，学习到的自适应权重具有双重目的：

性能：它们动态优化泛化与特异性之间的权衡，从而带来卓越的预测精度。
可解释性：权重提供了一种透明的机制，用于理解哪些外部用户对特定个体的模型贡献最大。这为数据收集策略提供了实践指导，表明未来的数据收集不仅应优先考虑目标用户，还应优先考虑那些具有高自适应权重的支持用户。

该工作得出结论，这种方法通过有效利用整个群体多样性谱系（而不仅仅是最相似的子集），实现了更准确的数字健康监测和推荐。