(远程)数据收集和/或注释的指南、方法和协议(模式、工具) 该领域的基础设施:建立、调整和共享语言资源、数据集和工具 新数据样本的采集和组合; 包括数字生物标记、连续流媒体、监测和汇总测量结果; 以及自我报告的行为和/或生理和活动数据 解决表示的挑战,包括处理数据稀疏性和维度问题,不同来源和形式的特征组合 NLP/AI工具的领域适应 数据的声学/语音/语音、句法、语义、语用和语篇分析; 包括感知建模(例如,阅读的眼动测量)和制作过程(例如,通过数码笔记录写作过程、按键记录等); 伴随言语和非语言行为的手势使用 使用可穿戴、视觉和环境传感器或其融合检测认知功能障碍或衰退 (新颖)建模和深度/机器学习方法,如: 多模态学习 大型预训练Transformer语言模型 可解释和可解释的人工智能模型
…用于早期诊断、(严重性)预测、监测和分类 评估特征对筛查和诊断的重要性 评估工具、系统、组件、指标、应用程序和技术,包括使用NLP/AI的方法; 例如,根据(语言和/或数字)特征预测临床评分 认知评估和大脑训练的数字平台/技术 资源评估、比较和批判性评估 医疗/临床专业人员和患者的参与 该领域人类数据研究中的道德、性别偏见、法律和安全问题,以及如何处理这些问题 部署、评估平台和服务以及可转化为实际/临床应用的创新采矿方法 NLP/AI在该领域的经验教训和未来