SubsidieMeesterseXplainable AI in Personalized Mental Healthcare
Dit project ontwikkelt een innovatief AI-platform dat gebruikers betrekt bij het verbeteren van algoritmen via feedbackloops, gericht op transparantie en betrouwbaarheid in de geestelijke gezondheidszorg.
Projectdetails
Inleiding
Naarmate kunstmatige intelligentie (AI) geavanceerder wordt, wordt het ook steeds moeilijker om te begrijpen hoe resultaten en output worden geproduceerd door steeds complexere, dynamisch veranderende processen. Ondertussen zijn kwaliteitskenmerken zoals transparantie, eerlijkheid en nauwkeurigheid cruciaal om het vertrouwen in AI-ondersteunde besluitvorming te verzekeren.
Projectdoel
In dit MIT-project wordt het wereldwijd eerste AI-platform ontwikkeld dat de gebruikers van een AI-systeem betrekt bij het maken van keuzes over de ontwikkeling en het gebruik van AI- en ML-algoritmen door middel van menselijke feedbackloops. Deze innovatie zal bijdragen aan de generieke ontwikkeling van AI in het NL-AIC-programma door het ontwikkelen van nieuwe XAI-paradigma's in:
- Behavioral AI Technology
- Incrementeel Leren technologie
- Explainable-methoden in MLOps
Integratie met MIT-programma
Dit MIT-voorstel past volledig in het MIT-programma van de Nederlandse AI Coalitie door het gebruik van “Incrementeel Leren” (een onderdeel van Supervised Learning) in eXplainable AI-systemen en van interactieve feedbackloops rondom de AI-algoritmen.
Projectresultaat
Het projectresultaat wordt een complex van drie reeds innovatieve systemen:
- Voor design van algoritmen (Councyl)
- Naar operatie (MLOps in Deeploy)
- Naar een live omgeving (NiceDay) met recommenders voor professionals in de Geestelijke Gezondheidszorg (GGZ)
Dit complex wordt voorzien van objectieve feedbackloops (data) en te kwantificeren subjectieve “human-in-the-loop” feedback vanuit de praktijk in NiceDay om de algoritmen voortdurend te kunnen blijven verbeteren.
Bijdrage aan NL-AIC programma
Het voorstel draagt daarmee bij aan het NL-AIC programma “Health & Care” en “Human-oriented AI.”
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 350.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2022 |
Partners & Locaties
Projectpartners
- Deeploy B.V.penvoerder
- Councyl B.V.
- NiceDay Healthcare Nederland B.V.
Land(en)
Vergelijkbare projecten binnen MIT R&D AI
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Intelligent Monitoring; Intelligent AI monitoring in HealthcareOntwikkeling van een multi-sensor AI-module die via beeld en geluid proactief risicosituaties in de zorg herkent en meldt, ter verbetering van veiligheid en welzijn van cliënten. | Mkb-innovati... | € 333.583 | 2023 | Details |
Intelligent Monitoring; Intelligent AI monitoring in Healthcare
Ontwikkeling van een multi-sensor AI-module die via beeld en geluid proactief risicosituaties in de zorg herkent en meldt, ter verbetering van veiligheid en welzijn van cliënten.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Interactive and Explainable Human-Centered AutoMLixAutoML aims to enhance trust and interactivity in automated machine learning by integrating human insights and explanations, fostering democratization and efficiency in ML applications. | ERC Starting... | € 1.459.763 | 2022 | Details |
Conveying Agent Behavior to People: A User-Centered Approach to Explainable AIDevelop adaptive and interactive methods to enhance user understanding of AI agents' behavior in sequential decision-making contexts, improving transparency and user interaction. | ERC Starting... | € 1.470.250 | 2023 | Details |
Haalbaarheidsonderzoek online tool voor toepassing Targeted Maximum Likelihood Estimation (TMLE)Researchable B.V. ontwikkelt een SaaS-oplossing die TMLE gebruikt om de onzichtbare laag van AI-berekeningen zichtbaar te maken via Explainable AI (XAI) voor betere inzicht in voorspellingen. | Mkb-innovati... | € 20.000 | 2020 | Details |
Onderzoek naar AI en Machine Learning in de ontwikkeling van een animatieplatform voor Coachjezelf.Het project onderzoekt de haalbaarheid van een AI-gedreven zorgplatform om zorg efficiënter en toegankelijker te maken, met als doel een succesvolle implementatie in de Nederlandse context. | Mkb-innovati... | € 20.000 | 2023 | Details |
Versnelling;AI voor en door de ZorgHet project ontwikkelt generieke AI-toepassingen in samenwerking met ziekenhuizen om zorgverleners te ondersteunen met voorspellingsinformatie, gericht op opschaling en verbetering van de zorg. | Mkb-innovati... | € 187.150 | 2022 | Details |
Interactive and Explainable Human-Centered AutoML
ixAutoML aims to enhance trust and interactivity in automated machine learning by integrating human insights and explanations, fostering democratization and efficiency in ML applications.
Conveying Agent Behavior to People: A User-Centered Approach to Explainable AI
Develop adaptive and interactive methods to enhance user understanding of AI agents' behavior in sequential decision-making contexts, improving transparency and user interaction.
Haalbaarheidsonderzoek online tool voor toepassing Targeted Maximum Likelihood Estimation (TMLE)
Researchable B.V. ontwikkelt een SaaS-oplossing die TMLE gebruikt om de onzichtbare laag van AI-berekeningen zichtbaar te maken via Explainable AI (XAI) voor betere inzicht in voorspellingen.
Onderzoek naar AI en Machine Learning in de ontwikkeling van een animatieplatform voor Coachjezelf.
Het project onderzoekt de haalbaarheid van een AI-gedreven zorgplatform om zorg efficiënter en toegankelijker te maken, met als doel een succesvolle implementatie in de Nederlandse context.
Versnelling;AI voor en door de Zorg
Het project ontwikkelt generieke AI-toepassingen in samenwerking met ziekenhuizen om zorgverleners te ondersteunen met voorspellingsinformatie, gericht op opschaling en verbetering van de zorg.