要解决一个问题，你通常需要找到一个模式。研究人员对临床条件的因素和影响了解得越深，他们就越接近为患者提供预防和更好的护理实践。
Bobak Mortazavi博士是德克萨斯农工大学计算机科学与工程系的助理教授，他正在研究一个项目，开发医疗传感器，用于跟踪各种心血管疾病的风险因素，如心脏病发作和心力衰竭。
Mortazavi正在使用数据挖掘，这是一种检查大型数据集以生成新信息的方法，以及机器学习应用程序来设计临床决策支持系统和研究临床结果。
Mortazavi说:“我们可以利用临床记录中的数据，以及个人和可穿戴传感器，创建模型来预测患者发生并发症的风险。”“然后，我们使用这些结果模型来领导新的传感系统的设计，以便根据每个患者的日常数据创建动态的、个性化的预测。”
通过开发医学传感器，每天跟踪这些风险因素，Mortazavi和他的团队有能力更好地理解生物医学数据的长期建模，理解和设计改善护理的指标，并潜在地识别临床条件的新特征，以改善个性化患者护理。
医学领域的知识不足以理解工具的工程和开发。另一方面，了解临床研究也不仅仅对开发最新的传感和学习技术有用。如果没有对它们的全面了解，某些进步是不可能的。
“这项工作的重要性在于它真正的跨学科性质，”Mortazavi说。“通过我们的合作，我们的目标是在这种端到端研究的所有组成部分培训研究人员。从传感系统，我们教用户如何收集数据;对于数据挖掘和机器学习应用，我们教他们识别数据中的临床相关模式。最重要的是，我们都学会了从这些数据中吸取教训，以帮助临床决策，并增加改善患者护理的潜力。”
Mortazavi于2014年开始研究这一课题，当时他在耶鲁医学院完成了博士后研究。他的博士学位研究涉及人类活动识别、可穿戴传感器和运动游戏，在用户网络物理系统中开发游戏应用程序，以鼓励具有运动强度的活动。虽然这些系统的工作时间很短，但他开始有兴趣学习如何将这些系统应用于临床的长期用途。
这些研究包括了解系统的长期使用如何影响临床不良事件，如何识别这些事件的风险，以及如何设计此类系统的用户界面，以便患者和临床医生能够改进关于护理轨迹的决策。
Mortazavi是德州农工工程实验站(TEES)远程健康技术和系统中心的成员，他正在与该中心和该系的研究人员和教职员工合作，如助理教授Atlas Wang博士;狄奥多拉·查斯帕里博士，助理教授;Ricardo Gutierrez-Osuna教授;以及计算机科学、生物医学、电气和计算机工程副教授Roozbeh Jafari博士。
他在德州农工大学之外也有合作伙伴，如Harlan Krumholz博士，他担任Harold H. Hines, Jr.医学教授(心脏病学)和社会与政策研究所教授，调查医学和公共卫生(卫生政策);耶鲁-纽黑文医院结果研究和评估中心主任;也是耶鲁大学罗伯特·伍德·约翰逊基金会临床学者项目的联合主任。
虽然他和他的团队目前专注于心血管疾病，但Mortazavi希望未来能扩展到其他一些健康状况。