Μια πρόσφατη μελέτη από την Apple αναδεικνύει τη σημασία των δεδομένων συμπεριφοράς — όπως η κίνηση, ο ύπνος και η άσκηση — ως πιο ισχυρό δείκτη υγείας σε σχέση με τις παραδοσιακές βιομετρικές μετρήσεις, όπως ο καρδιακός ρυθμός ή το οξυγόνο στο αίμα. Η έρευνα αυτή βασίζεται σε ένα νέο, καινοτόμο βασικό μοντέλο τεχνητής νοημοσύνης, το Wearable Behavior Model (WBM), το οποίο εκπαιδεύτηκε σε περισσότερες από 2,5 δισεκατομμύρια ώρες δεδομένων από φορετές συσκευές.
Η μελέτη με τίτλο «Beyond Sensor Data: Foundation Models of Behavioral Data from Wearables Improve Health Predictions» αποτελεί προϊόν του Apple Heart and Movement Study (AHMS). Σε αυτήν, οι ερευνητές ανέπτυξαν το WBM, ένα μοντέλο που δεν βασίζεται στα ακατέργαστα δεδομένα αισθητήρων, όπως ο καρδιακός ρυθμός (PPG) ή το ηλεκτροκαρδιογράφημα (ΗΚΓ), αλλά σε υψηλού επιπέδου συμπεριφορικά δεδομένα που προκύπτουν από επεξεργασμένα με αλγορίθμους μετρήσιμα μεγέθη.
Αυτά τα δεδομένα περιλαμβάνουν, μεταξύ άλλων, τον αριθμό βημάτων, τη σταθερότητα του βηματισμού, την κινητικότητα, τη μέγιστη πρόσληψη οξυγόνου (VO₂ max), τη διάρκεια ύπνου και τη μεταβλητότητα του καρδιακού ρυθμού. Τα συγκεκριμένα μεγέθη είναι πιο σταθερά και ευκολότερα στην ερμηνεία, καθώς αντανακλούν τις πραγματικές συνήθειες και την κατάσταση της υγείας των χρηστών.
Το WBM εκπαιδεύτηκε με δεδομένα από 161.855 συμμετέχοντες στο AHMS και αξιολογήθηκε σε 57 διαφορετικές εργασίες πρόβλεψης υγείας. Σε πολλές από αυτές τις εργασίες, το μοντέλο ξεπέρασε τα παραδοσιακά μοντέλα βασισμένα σε ακατέργαστα δεδομένα αισθητήρων. Ιδιαίτερα εντυπωσιακή ήταν η απόδοση σε δυναμικές καταστάσεις υγείας, όπως η ανίχνευση εγκυμοσύνης, η ποιότητα ύπνου και οι λοιμώξεις του αναπνευστικού, όπου το WBM πέτυχε έως και 92% ακρίβεια.
Η καινοτομία του WBM έγκειται στην ικανότητά του να αναλύει μοτίβα συμπεριφοράς σε χρονικές κλίμακες ημερών και εβδομάδων, αντί για τα δευτερόλεπτα των ακατέργαστων δεδομένων, επιτρέποντας την έγκαιρη ανίχνευση αλλαγών στην υγεία που εξελίσσονται με το χρόνο.
Η μελέτη τονίζει ότι το WBM δεν αντικαθιστά τα παραδοσιακά δεδομένα αισθητήρων, αλλά τα συμπληρώνει. Ενώ τα δεδομένα αισθητήρων καταγράφουν βραχυπρόθεσμες φυσιολογικές αλλαγές, το WBM εστιάζει στη μακροπρόθεσμη ανάλυση συμπεριφοράς, προσφέροντας έτσι μια πιο ολοκληρωμένη και ακριβή εικόνα της υγείας.
