При поддержке Apple специалисты разработали новую модель искусственного интеллекта, которая может обнаруживать скрытые проблемы со здоровьем по данным с Apple Watch. Недавнее исследование с публикацией результатов показывает, что данная модель эффективнее традиционных подходов, использующих данные датчиков.
Исследование основано на модели машинного обучения под названием Wearable Behavior Model (WBM). В отличие от предыдущих методов, уделяющих внимание показателям датчиков в режиме реального времени (частота сердечных сокращений, уровень кислорода в крови и так далее), WBM анализирует долгосрочные паттерны поведения пользователей: количество шагов, продолжительность сна, вариабельность сердечного ритма и мобильность. Данные собираются с помощью Apple Watch и встроенных алгоритмов.
Модель WBM строится на архитектуре машинного обучения для обработки временных рядов и способна выявлять изменения в поведении в течение дней или недель. Такой подход важен для диагностики заболеваний, развивающихся постепенно, а не мгновенно. Исследователи установили, что WBM более эффективно определяет различные состояния здоровья, чем модели, основанные только на биометрических данных. Модель демонстрирует высокую эффективность как при выявлении постоянных состояний (например, прием бета-блокаторов), так и временных (качество сна, респираторные инфекции). При обнаружении беременности точность WBM достигает 92% при комбинации с традиционными биометрическими данными.
В рамках исследования Heart and Movement Study были собраны данные для обучения модели. Исследование охватило более 160 тысяч добровольцев, использовавших Apple Watch и iPhone. Обучение WBM осуществлялось на основе свыше двух с половиной миллиардов часов данных. Оценку производительности модели проводили по 57 различным задачам в области здравоохранения.
Учёные заявляют, что современные носимые устройства достигли уровня развития, дающего возможность проводить подобный анализ больших объёмов данных. Неизвестно, будет ли эта модель интегрирована в интерфейс будущих версий Apple Watch, но исследование показывает большой потенциал существующего оборудования для точного и интеллектуального анализа состояния здоровья.