Apple създаде изкуствен интелект, който определя човешкото здраве с 92% точност

Ново проучване, подкрепено от Apple, показва, че данните за поведението на потребителите (движение, сън, упражнения и др.) може да са по-точен индикатор за здравето, отколкото традиционните биометрични измервания, като сърдечната честота или нивата на насищане на кръвта с кислород.

За да докажат това, учените разработиха „фундаментален“ модел, който е обучен върху събрани от носими устройства поведенчески данни. Резултатите надминали очакванията, съобщава 9to5mac.

По време на проучването Wearable Behavior Model (WBM) са анализирани над 2,5 милиарда точки от данни от носими устройства. За разлика от предишните здравни модели, които разчитаха предимно на суровите данни от сензорите за сърдечен ритъм и ЕКГ на Apple Watch, новият модел е обучен директно върху поведенчески показатели от по-високо ниво: брой крачки, стабилност на походката, пъргавина, VO2 max и други показатели, събрани от Apple Watch.

Защо ни е необходим WBM, ако Apple Watch сам получава данните? Според учените, суровите данни може да са непълни или излишни и не винаги да корелират с важните здравословни събития.

Високостепенните поведенчески метрики се изчисляват чрез доказани алгоритми и се подбират от експерти, за да отразяват физиологично значимите показатели. Взема се предвид не само физиологията, но и „контекстът“. Например, показателите за мобилност, които характеризират походката и общото ниво на активност, могат да бъдат важни поведенчески фактори, които помагат за откриване на бременност.

WBM изучава моделите в обработените поведенчески данни, вместо директно да анализира сензорните сигнали.

Моделът е обучен с помощта на данни от Apple Watch и iPhone от 161 855 участници. Той е изследвал 27 поведенчески показателя, включително и темпо на ходене, честота на дишане, продължителност на съня, промени в сърдечната дейност и др. Информацията е разделена на седмични блокове и преминава през изкуствен интелект.

В крайна сметка, WBM превъзхожда сравнително точен модел, който прави прогнози въз основа на данни от сензори, в 18 от 47 статични задачи за прогнозиране на здравето (като например прием на бета-блокери). Новият продукт също така е победил в почти всички динамични задачи (определяне на бременност, качество на съня или респираторна инфекция), с изключение на диагностицирането на диабет.

Най-добрата производителност е демонстрирана чрез комбинация от двата метода: хибридният модел постигнал 92% точност при откриване на бременност и показва постоянно подобрение в точността при сън, инфекции, наранявания и сърдечно-съдови нарушения.