根據最近發表的一項研究，蘋果公司支持的一種基於 Apple Watch 行為數據訓練的全新 AI 模型，現在可以比傳統的基於傳感器的方法更準確地預測各種健康狀況。
這篇題為《超越傳感器數據：可穿戴設備行為數據基礎模型改善健康預測》的研究論文介紹了一種機器學習模型，該模型可以分析用戶行為以標記潛在的健康問題。與之前專注於心率或血氧等實時傳感器輸出的方法不同，該新模型可以識別人們隨時間推移的運動、睡眠和鍛煉模式。
這項研究的核心是一個被研究人員稱為「可穿戴設備行為模型 (WBM)」的基礎模型。它分析 Apple Watch 使用設備內置算法計算出的高級行為指標，例如步數、睡眠時長、心率變異性和活動能力。
研究人員發現，與僅基於直接生物特徵數據的模型相比，這種方法可以使 AI 模型更有效地檢測某些健康狀況。 WBM 在識別研究人員所謂的靜態健康狀態（例如是否服用β受體阻滯劑）以及短暫性健康狀況（例如睡眠質量或呼吸道感染）方面表現出色。在妊娠檢測方面，該模型與傳統生物特徵數據以混合方式結合時，準確率高達 92%。
蘋果通過「心臟與運動研究」為該模型收集數據，該研究涉及超過 16 萬名參與者，他們自願通過 Apple Watch 和 iPhone 共享數據。該基礎模型基於超過 25 億小時的數據進行訓練，並在 57 種不同的健康相關預測任務中進行了評估。
