苹果的AI模型取得了新的成功，其健康状况识别的准确率最高高达92％

HOME 7月11日新闻是与美国心脏协会和哈佛医学院隶属于美国心脏协会和杨百翰妇女医院合作的最新研究表明，用户的行为数据（活动，睡眠，运动等）可能反映出比传统生物学指标（例如心率和氧气血液率）更好的健康状况。为了测试这一观点，研究人员使用了设备佩戴的25亿小时以上的数据来训练新的基础WBM模型（设备建模模型），并发现其性能大大超过了现有的解决方案。结果表明，基于原始传感器数据，模型性能可以匹配或超过现有模型。与以前依靠原始数据（例如心脏的大鼠传感器（PPG）或心电图（ECG））的健康模型不同，WBM指示高阶行为的指标：步骤，git稳定性，移动性，最大氧气（Vo₂max）等（基于Apple Watch的连续形成）。通过结合WB的识别M和PPG数据，研究团队取得了更准确的总体结果，例如在妊娠测试中准确性高达92％的混合模型，并继续改善与心血管相关的活动，例如睡眠质量，感染，损害和心房颤动测试。尽管WBM使用的指标来自传感器，但它们可以更好地强调改进后的行为和健康趋势的真实模式，并具有更高的稳定性，可解释性和长期建模适应性。 6月30日在ARXIV上发表了“超越传感器数据：佩戴设备数据行为的基础模型，以改善健康预测”，这是在ARXIV上发表的，这是从苹果（AHMS）的心脏和体育中出版的。消费者 - 沃恩设备（例如智能手表和健身追踪器）在整个健康领域提供丰富的信息...健康监测的关键是检测静态健康状况（例如吸烟历史，高血压历史，β受体阻滞剂的使用）D动态健康状况（例如睡眠质量，当前的怀孕状况）。这种预测需要基于人类行为的时间（每天/周），而不是原始传感器数据大小的第二级……尽管以前的研究集中在建模数据NG原始传感器，可穿戴设备的高级信息（体育活动，心血管健康，移动性指标）是解决此类检测的自然数据类型。与原始传感器不同，通过严格证明算法的处理并被专家选择以将生理关系与健康状况相匹配，从而形成了高级行为指标。更重要的是，这些数据反映了各个行为模式，而不是纯粹的生理信号。狩猎数据具有健康检测的主要潜力 - 例如，识别恩典水平和整体活动的指标对于发现诸如妊娠等动态健康状况至关重要。