Apple и учёные создали ИИ-модель для точного прогноза здоровья по данным Apple Watch
Исследователи, при поддержке Apple, разработали новую модель искусственного интеллекта, которая использует поведенческие данные с Apple Watch для более точного определения состояния здоровья человека. Согласно научной статье, такая информация оказывается информативнее, чем сырые данные, собираемые датчиками в реальном времени.
Модель основана на данных Heart and Movement Study
Новая работа опирается на многолетнее исследование Heart and Movement Study — инициативу Apple, направленную на продвижение здоровой физической активности и улучшение сердечно-сосудистого состояния. В рамках исследования использовались данные 162 тысяч пользователей, собранные за счёт более чем 15 миллиардов измерений в час.
Учёные создали так называемую «базовую модель поведенческого здоровья для носимых устройств» (WBM). В отличие от традиционного подхода, основанного на работе сенсоров, WBM использует 27 агрегированных метрик, вычисленных из сырых данных с помощью валидированных методик. Среди них — время тренировок, продолжительность стояния, показатели сатурации крови, частоты сердцебиения и другие параметры, доступные через Apple HealthKit.
WBM эффективнее традиционных методов в большинстве задач
Авторы подчёркивают, что такие поведенческие данные точнее отражают как стабильные, так и кратковременные состояния здоровья. Например, курение, гипертония или приём бета-блокаторов относятся к статичным признакам, тогда как беременность — к временным. Сырые сенсорные данные фиксируются на секундных отрезках времени, в то время как поведение отображает изменения в более длительной перспективе.
В ходе тестов WBM показала лучшую точность по сравнению с моделью на основе фотоплетизмографии (PPG) при решении 42 из 47 задач. Особенно модель превосходила PPG при предсказании состояний вроде беременности или приёма бета-блокаторов, благодаря способности фиксировать долгосрочные изменения в частоте сердцебиения.
Однако в задачах, где физиология играет решающую роль (например, при диагностике диабета), PPG оставалась более эффективной. Это побудило исследователей объединить оба подхода — модель поведения и модель на базе сенсоров.
Гибридный подход показал наилучшие результаты
Объединённая модель PPG + WBM позволила добиться наивысшей точности при большинстве задач. Так, при определении возраста она превзошла обе базовые модели. Гибрид оказался особенно полезен для определения временных состояний, где необходимы как физиологические данные, так и поведенческие паттерны.
Исследователи делают вывод: комбинация обоих типов данных даёт максимальный эффект, особенно когда одна из моделей недостаточна для уверенного прогноза. Это открывает путь для будущих решений Apple в области здоровья — с возможной интеграцией гибридных моделей ИИ в Apple Watch и сопутствующие сервисы.
