Výzkumníci z MIT a společnosti Empirical Health představili základní model, který dokáže s překvapivou přesností předpovídat zdravotní potíže na základě rozsáhlého souboru dat z Apple Watch. Studie čerpá z téměř tří milionů měření a ukazuje, že běžné nositelné technologie mohou poskytovat mnohem hlubší medicínský vhled, než se dosud předpokládalo. Základem nové studie je myšlenka architektury JEPA, kterou před lety navrhl Yann LeCun. JEPA učí AI porozumět významu chybějících dat, nikoliv se je snažit přesně dopočítat. Místo rekonstrukce hodnot tedy model vytváří jejich významové zastoupení, což je zásadní výhoda u dat z nositelné elektroniky.
Fotogalerie
Studie JETS pracovala s dlouhodobými daty 16 522 uživatelů Apple Watch, z nichž každý měl zaznamenáno 63 různých metrik týkajících se kardiovaskulárního a respiračního zdraví, spánku, fyzické aktivity či obecných statistik. Zajímavé je, že pouze 15 % účastníků mělo lékařsky označená data. Proto model nejprve využil celý soubor k předtrénování a teprve následně byl doladěn na označené části. Jednotlivá měření byla převedena do podoby tokenů, maskována a posléze použita k predikci chybějících reprezentací.
Mohlo by vás zajímat
Model JETS následně překonal řadu starších metod. Dosáhl AUROC 86,8 % u vysokého krevního tlaku, 70,5 % u fibrilace síní a 81 % u chronického únavového syndromu. Přestože tyto metriky nejsou přímým ukazatelem přesnosti, potvrzují schopnost modelu správně rozlišovat rizikové případy. Studie tak ukazuje, že i nepravidelná a neúplná data z nositelných zařízení mohou výrazně přispět k včasné detekci zdravotních problémů.
