7 月 11 日消息，蘋果公司與美國心髒協會、哈佛醫學院附屬布萊根婦女醫院合作的最新研究表明，用戶行為數據(如活動量、睡眠、運動等)在反映健康狀況方面，可能比心率、血氧等傳統生物指标更具優勢。
為驗證這一觀點，研究人員利用超過 25 億小時的穿戴設備數據，訓練出新型底層模型 WBM(穿戴設備行為模型)，其表現顯著超越現有方案。結果顯示，該模型性能可匹敵甚至超越基于原始傳感器數據的現有模型。與此前依賴心率傳感器(PPG)或心電圖(ECG)等原始數據的健康模型不同，WBM 直接學習更高階的行為指标，包括步數、步态穩定性、活動能力、最大攝氧量(VO₂ max)等(這些指标基于 Apple Watch 持續生成)。
通過結合 WBM 和 PPG 數據表征，研究團隊在整體層面上實現了更準确的結果。例如，混合模型在妊娠檢測方面有着高達 92% 的準确率，并在睡眠質量、感染、損傷以及心房顫動檢測等心血管相關任務方面持續提升。
WBM 使用的指标雖源于傳感器，但經提煉後更能突出真實行為模式與健康趨勢，具有更高穩定性、可解釋性及長期建模适配性。
查詢發現，相關預印論文已于 6 月 30 日發布在 arxiv 上，标題為《超越傳感器數據：穿戴設備行為數據的底層模型提升健康預測能力》，源自蘋果心髒與運動研究(AHMS)。
論文中提到，消費級穿戴設備(如智能手表和健身追蹤器)提供了跨健康領域的豐富信息。健康監測的關鍵是檢測靜态健康狀态(如吸煙史、高血壓病史、β 受體阻滞劑使用情況)和動态健康狀态(如睡眠質量、當前妊娠狀态)。此類預測需以人類行為的時間尺度(日 / 周)為基準，而非原始傳感器數據的秒級時間尺度。
盡管既往研究多聚焦原始傳感器數據建模，但穿戴設備的高階行為信息(體力活動、心血管健康、活動能力指标)才是解決此類檢測任務的天然數據類型。不同于原始傳感器，這些高階行為指标經由嚴格驗證的算法處理生成，由專家精選以匹配生理相關量與健康狀态。更重要的是，這些數據反映個體行為模式而非純生理信号。行為數據對健康檢測極具潛力 —— 例如，表征步态與整體活動水平的指标可能對檢測妊娠等動态健康狀态至關重要。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
