Apple разработи AI модел който определя човешкото здраве с 92% точност
Изследването демонстрира обещаващи резултати, само че има съществени ограничавания при демографията и методологията
Изследователи, финансирани от Apple, сътвориха изкуствен интелект, който може да предсказва избрани здравословни положения с висока акуратност, анализирайки поведенчески данни от носими устройства. Новият модел реализира до 92% акуратност при разкриване на бременност, когато се комбинира с обичайни сензорни данни.
Проучването, оповестено като preprint в ArXiv на 30 юни 2025 година, показва Wearable Behavior Model (WBM) - система, която проучва поведенчески индикатори вместо суровите данни от датчиците. Въпреки обещаващите резултати, проучването има обилни ограничавания, които слагат под въпрос приложимостта му в действителния свят.
Обучение с милиарди часове данни
Моделът е подготвен с данни от над 161,855 участници в Apple Heart and Movement Study, събирайки повече от 2,5 милиарда часа информация от Apple Watch и iPhone. Системата проучва 27 поведенчески индикатора, в това число брой стъпки, движение на вървене, качество на съня и вариабилност на сърдечния темп.
При тестване върху 57 здравни задания, WBM превъзхожда обичайните модели, основани единствено на сензорни данни, в множеството случаи. Най-впечатляващите резултати се реализират при комбинирането на поведенчески данни с обичайни биометрични измервания.
Сериозни ограничавания в методологията
Въпреки обещаващите числа, проучването има редица съществени ограничавания. Първо, то е оповестено като preprint в ArXiv, което значи, че не е минало през обичайния развой на партньорско рецензиране в научно списание.
По-важното е, че проучването страда от обилни демографски пристрастия. Участниците са извънредно притежатели на Apple устройства - най-вече млади, богати и софтуерно грамотни хора. Този демографски профил не е внушителен за общата популация, което слага под въпрос опцията резултатите да се приложат при по-широк кръг от хора.
" Изискването да притежаваш Apple артикул пристрастява проучването към млада, заможна и софтуерно способена популация ", означават откриватели в списание The Lancet Digital Health в разбор на сходни изследвания.
Проблеми с точността при разнообразни групи
Научни проучвания демонстрират, че носимите устройства като Apple Watch имат друга акуратност при разнообразни етнически групи и възрасти. Например, измерванията на сърдечната периодичност могат да бъдат по-неточни при хора с по-тъмна кожа заради особеностите на оптичните датчици.
Освен това, изследвания като MIPACT от Университета на Мичиган демонстрират обилни разлики в базовите здравни индикатори сред другите расови и етнически групи, което прави обобщаването на резултатите от хомогенна група участници проблематично.
Недостъпност на суровите данни
Още един проблем е лимитираният достъп до суровите данни и логаритмите на Apple. Компанията може да трансформира логаритмите си без авансово съобщение, което може да докара до променчивост в данните и усложнения при без значение потвърждаване на резултатите.
Бъдещи вероятности с нерешителност
Въпреки рестриктивните мерки, проучването демонстрира капацитета на поведенческите данни за здравно наблюдаване. Подходът може да бъде изключително потребен за следене на промени във времето при съответни положения като качество на съня или физическа интензивност.
Експертите обаче приканват за нерешителност при интерпретацията на резултатите. Необходими са спомагателни проучвания с по-разнообразни участници и без значение партньорско рецензиране, преди технологията да може да се смята за надеждна за необятно приложение в опазването на здравето.
Изследователи, финансирани от Apple, сътвориха изкуствен интелект, който може да предсказва избрани здравословни положения с висока акуратност, анализирайки поведенчески данни от носими устройства. Новият модел реализира до 92% акуратност при разкриване на бременност, когато се комбинира с обичайни сензорни данни.
Проучването, оповестено като preprint в ArXiv на 30 юни 2025 година, показва Wearable Behavior Model (WBM) - система, която проучва поведенчески индикатори вместо суровите данни от датчиците. Въпреки обещаващите резултати, проучването има обилни ограничавания, които слагат под въпрос приложимостта му в действителния свят.
Обучение с милиарди часове данни
Моделът е подготвен с данни от над 161,855 участници в Apple Heart and Movement Study, събирайки повече от 2,5 милиарда часа информация от Apple Watch и iPhone. Системата проучва 27 поведенчески индикатора, в това число брой стъпки, движение на вървене, качество на съня и вариабилност на сърдечния темп.
При тестване върху 57 здравни задания, WBM превъзхожда обичайните модели, основани единствено на сензорни данни, в множеството случаи. Най-впечатляващите резултати се реализират при комбинирането на поведенчески данни с обичайни биометрични измервания.
Сериозни ограничавания в методологията
Въпреки обещаващите числа, проучването има редица съществени ограничавания. Първо, то е оповестено като preprint в ArXiv, което значи, че не е минало през обичайния развой на партньорско рецензиране в научно списание.
По-важното е, че проучването страда от обилни демографски пристрастия. Участниците са извънредно притежатели на Apple устройства - най-вече млади, богати и софтуерно грамотни хора. Този демографски профил не е внушителен за общата популация, което слага под въпрос опцията резултатите да се приложат при по-широк кръг от хора.
" Изискването да притежаваш Apple артикул пристрастява проучването към млада, заможна и софтуерно способена популация ", означават откриватели в списание The Lancet Digital Health в разбор на сходни изследвания.
Проблеми с точността при разнообразни групи
Научни проучвания демонстрират, че носимите устройства като Apple Watch имат друга акуратност при разнообразни етнически групи и възрасти. Например, измерванията на сърдечната периодичност могат да бъдат по-неточни при хора с по-тъмна кожа заради особеностите на оптичните датчици.
Освен това, изследвания като MIPACT от Университета на Мичиган демонстрират обилни разлики в базовите здравни индикатори сред другите расови и етнически групи, което прави обобщаването на резултатите от хомогенна група участници проблематично.
Недостъпност на суровите данни
Още един проблем е лимитираният достъп до суровите данни и логаритмите на Apple. Компанията може да трансформира логаритмите си без авансово съобщение, което може да докара до променчивост в данните и усложнения при без значение потвърждаване на резултатите.
Бъдещи вероятности с нерешителност
Въпреки рестриктивните мерки, проучването демонстрира капацитета на поведенческите данни за здравно наблюдаване. Подходът може да бъде изключително потребен за следене на промени във времето при съответни положения като качество на съня или физическа интензивност.
Експертите обаче приканват за нерешителност при интерпретацията на резултатите. Необходими са спомагателни проучвания с по-разнообразни участници и без значение партньорско рецензиране, преди технологията да може да се смята за надеждна за необятно приложение в опазването на здравето.
Източник: dunavmost.com
КОМЕНТАРИ