的結合 人工智能 以及我們整天都穿著在手腕上的設備 幾年前聽起來幾乎像是科幻小說裡的情節，如今已經開始初見成效。一組研究人員已經證明，只要擁有正確的數據，Apple Watch 的功能遠不止於計步或測量心率。
在一項由…開發的新作品中 麻省理工學院的研究人員和新創公司 Empirical Health我們開發了一種人工智慧模型，它能夠從被動監測數據中檢測疾病跡象。關鍵在於如何分析這些通常不完整且雜亂無章的數據，從中提取風險模式，從而建立早期預警系統。
一項涵蓋數百萬天真實使用情況的大規模研究
為了訓練這個系統，研究團隊使用了一個由以下部分組成的資料庫： 16.522 位用戶 Apple Watch將它們全部使用時間加起來，相當於 大約三百萬天的實際測量數據這是用傳統方法無法處理的資訊量。
每人最多可產生 63項與您的健康相關的不同指標從多方面展開： 心血管參數呼吸功能、睡眠品質、身體活動量以及更多關於他們日常生活的統計數據。雖然並非所有參與者都持續佩戴手錶，但模型的設計旨在充分利用這些空檔期。
最引人注目的一點是 僅約 15% 的使用者有標註的病史。 這表明存在具體的診斷結果。換句話說，絕大多數資料都沒有疾病標籤，這從原則上講，使得在醫療保健領域訓練可靠的演算法變得更加困難。
研究人員並沒有將此視為不可逾越的障礙，而是選擇了一種策略： 自主學習或自主監控首先，該模型使用整個資料庫進行訓練，無需事先進行診斷。之後，僅使用記錄了病史的一小部分參與者的數據對模型進行最佳化。
由於採用了這種方法，所以可以利用… 大量訊息，在其他情況下會被認為“過於嘈雜”或不完整。最終得到的系統能夠學習人們在日常生活中的行為方式，即使缺少測量數據或存在較長的空白期。
一款能夠理解 Apple Watch 資料缺口的人工智慧
該項目的核心是一個受建築學啟發的人工智慧模型。 JEPA（聯合嵌入預測架構）這是一系列演算法，其重點在於理解整體上下文，而非預測特定資訊。與語言模型等試圖猜測下一個詞的系統不同，這類演算法的首要任務是建構整個場景的連貫表示。
實際上，該團隊將每次 Apple Watch 觀測資料都轉換成了一種包含以下內容的令牌 日期、指標類型和測量值然後，我們應用了一種掩蔽機制：故意隱藏部分訊息，迫使模型推斷這些空白處可以填入什麼內容。
人工智慧不會試圖重建缺少的確切數字，而是學習 在每個人的全球模式中，資料的缺失意味著什麼？如果有人連續幾天沒有記錄睡眠或活動，系統不會將其視為簡單的錯誤，而是將其視為可能具有醫學意義的另一種行為因素。
這在以下情況下尤其有用： 身打扮因為它的日常使用遠非完美： 有時手錶會被放在床頭櫃上，有時電池會沒電，有時感測器測量不準確。研究人員將這種模型命名為 JETS，它能夠從這種混亂中精確學習，並且能夠處理非常不規則的資料。
據該研究的負責人稱，許多分析的指標大約在一年前才有數據。 佔總時間的 0,4% 有些用戶的註冊量很高，有些用戶幾乎每天都會註冊。即便存在這種差異，人工智慧仍然能夠提取出一些有用的模式，而這些模式如果用更傳統的分析方法則很難被發現。
從理論到實踐：高血壓和睡眠呼吸中止症的檢測
經過訓練和完善後，該模型被用於檢測… 特定健康狀況這些疾病大多與心血管疾病和睡眠障礙有關。其中，高血壓、病態鼻竇炎、睡眠呼吸中止症和慢性疲勞症候群尤其受到關注。
在的情況下 高血壓該人工智慧能夠以相當高的準確率區分患有此病症的人和未患此病症的人。已發表的結果表明，其區分率接近[缺失百分比]。 86,8%這表明該模型能夠根據手錶收集的數據準確區分哪些人面臨風險，哪些人沒有風險。
該系統的有效性不僅限於此特定問題。它還顯示 在識別與病態鼻竇炎或慢性疲勞症候群相符的模式方面表現良好雖然它並非總能在所有參考模型中獲得最高分，但在處理此類不規則記錄時，它始終表現出優勢。
需要明確的是，用於評估模型的指標是… 他們不把簡單的「成功或失敗」算在內。更重要的是根據風險機率對病例進行優先排序。在預防性醫療保健中，真正重要的是優先考慮那些在出現明顯症狀之前可能需要檢查的人，而不是每次診斷都力求精準。
換句話說，這類人工智慧的實用性取決於… 發揮被動篩選系統的作用 這顯示哪些使用者應該去看醫生進行更全面的評估。而Apple Watch可以在這方面發揮重要作用，它可以利用看似常規的測量數據作為初步篩選工具。
數據雖不完美，但具有巨大的健康潛力
研究者最強調的結論之一是： 不完善的數據並非一定毫無用處。如果處理得當，它們可以提供有價值的信息，尤其是在遠離實驗室受控環境的現實生活中，經過長時間的收集之後。
這項研究表明，即使是非常零散的記錄也能幫助建立一個穩健的個人健康狀況模型。即使某些指標僅在極少數情況下測量， 活動、睡眠和心率的整體模式 最終，它為可能存在的潛在問題提供了線索。
這進一步強化了智慧手錶等產品的觀點。 Apple Watch 在持續監控中可以發揮越來越重要的作用無需一天 24 小時佩戴該設備，也無需執著於詳細記錄一切；關鍵在於擁有一個能夠正確解讀所記錄內容的系統。
該模型正是利用了這一優勢： 它陪伴使用者度過日常生活，並不要求完美使用。它根據產生的數據集，建立每個人健康狀況的“地圖”，其穩健性足以檢測出在一次性諮詢中可能被忽略的異常情況。
對於工作量不斷增加的歐洲醫療保健系統而言，這種方法可能是一種有用的輔助工具。一種演算法 幫助確定案件優先順序或識別早期風險 如果能將其正確融入臨床實踐，就能讓更多資源用於真正需要的人身上。
局限性、臨床挑戰以及醫生的作用
然而，作者們自己也強調了這一點。 這項工作仍處於研究領域。僅僅因為某個模型在研究中表現良好，並不意味著它可以成為手錶的另一個功能，或者可以取代醫療專業人員的評估。
目前尚未得到確鑿證實。 這種人工智慧在真實的臨床環境中會表現如何？還有許多其他因素會影響結果：人群之間的差異、非常不同的使用習慣、手錶佩戴方式的差異，或者生活方式的改變都會改變測量指標。
還應該指出的是，儘管歧視率良好， 這個系統遠非完美無缺。假陽性（會引發不必要的擔憂）和假陰性（會忽略相關風險）都可能發生。因此，人工智慧提供的任何結果都應被視為警示訊號，而非最終診斷。
的作用 醫務人員仍然至關重要。特定的診斷測試、身體檢查以及完整的臨床背景無法被基於被動數據的演算法所取代。人工智慧可以幫助集中註意力，但最終的決定權必須掌握在專業人士手中。
除此之外 隱私和資料保護問題這在歐洲尤其敏感。允許系統持續分析心率、睡眠模式或日常活動等私密訊息，需要確保極高的安全級別，並嚴格遵守相關法規，例如《一般資料保護規範》（GDPR）。
蘋果手錶對醫療保健的未來意味著什麼？
儘管採取了預防措施，但這項研究清楚地表明： 穿戴式裝置可以徹底改變預防醫學。從偶爾檢查轉變為幾乎持續不斷的監控，為在早期階段發現問題打開了大門，從而有更多的時間採取行動。
Apple Watch 已經提供了一些與健康相關的功能，例如： 異常心率警報、睡眠追蹤或跌倒偵測這類研究預示著下一階段的到來，屆時該設備將能夠以更精密的方式幫助檢測高血壓或睡眠呼吸中止症等疾病。
在歐洲，智慧手錶越來越受歡迎，這種發展可能會帶來意想不到的後果。 適用於遠端監控程序 或在由公共和私營系統推動的數位醫療計劃中。然而，技術專家、臨床醫生和監管機構之間需要協調合作，以確保安全有效地推廣應用。
蘋果在 iPhone 上的健康生態系統也指向了這一方向：該公司正在將其健康應用從一個簡單的資料儲存庫發展成為 更積極主動的助手能夠突出趨勢，對重大變化發出警報，並在可能的情況下將報告與醫療中心整合。 與外部服務的集成 這是業界最受關注的系列產品之一。
無論如何，即使這些功能需要時間才能惠及最終用戶， 背後的訊息很明確智慧手錶和健身追蹤器產生的數據遠不止是有趣的統計數據。如果管理和保護得當，這些數據可以成為我們更好地管理健康的寶貴工具，無需頻繁的線下就診。
種種跡象表明，我們正處於理解醫療監測方式的早期階段，在這種方式中， 利用數百萬天的 Apple Watch 使用資料訓練的人工智慧 它就像一個無聲的雷達，在心率、睡眠時間和步數中尋找預警信號，而醫療專業人員仍然對如何處理這些資訊擁有最終決定權。
