本研究は、慢性疾患と鬱病の共同管理を目的とした新しいマルチタスク学習（MTL）手法を提案します。従来の健康管理は身体的な慢性疾患に集中することが多く、鬱病との併存状況を軽視していました。本手法は、身体的疾患と鬱病の評価を同時に行うことにより、疾患間の相関を活用し、精度の向上を図ります。しかし、慢性疾患の表れ方や患者の多様性により、二重の異質性が生じる課題もあります。これに対処するために、グループレベルのモデル化、新規患者の予測支援、モデルの複雑さを減少させるための分解戦略、依存関係を明示的に捉えるベイジアンネットワークなどの三つの革新を盛り込み、既存の手法を改良したAdvanced Double Heterogeneity-based Multi-Task Learning（ADH-MTL）を提案しています。実世界のワイヤレスセンサーデータを用いた実証実験では、ADH-MTLが既存の基準よりも優れた性能を示し、各革新の効果が確認されました。