Базовая модель Apple WBM достигает 92% точности в прогнозировании состояния здоровья

Компания Apple разработала новую модель искусственного интеллекта, способную определять проблемы со здоровьем на основе поведенческих данных пользователей. Модель, получившая название Wearable Behavior Model (WBM), была создана в рамках исследования Apple Heart and Movement Study (AHMS) и обучена на более чем 2,5 миллиардах часов данных с носимых устройств.

В отличие от предыдущих моделей, которые анализировали преимущественно необработанные данные с датчиков, WBM использует поведенческие показатели более высокого уровня: количество шагов, стабильность походки, подвижность, максимальное потребление кислорода (VO₂ max) и другие метрики, собираемые устройствами Apple Watch. Исследователи пришли к выводу, что такие данные могут быть более надежным индикатором состояния здоровья, чем традиционные биометрические измерения.

Модель обучалась на данных 161 855 участников исследования. Для анализа использовались 27 интерпретируемых поведенческих показателей, включая затраченную энергию, скорость ходьбы, вариабельность сердечного ритма, частоту дыхания и продолжительность сна. Архитектура WBM построена на основе Mamba-2, которая в данном случае показала преимущество перед традиционными трансформерами, применяемыми в моделях типа GPT.

При тестировании по 57 задачам, связанным со здоровьем, WBM превзошла существующие модели, основанные на фотоплетизмографии (PPG), в 18 из 47 задач по статическому прогнозированию состояния здоровья и почти во всех динамических задачах, за исключением выявления диабета.

Наиболее эффективным оказалось комбинирование данных WBM с данными PPG. Такая гибридная модель достигла точности 92% при выявлении беременности и показала высокие результаты в определении качества сна, респираторных инфекций, травм и сердечно-сосудистых заболеваний, включая фибрилляцию предсердий.

Исследователи подчеркивают, что цель WBM не в замене существующих методов анализа данных с датчиков, а в их дополнении. Поведенческая модель эффективно улавливает долгосрочные изменения, в то время как PPG фиксирует краткосрочные физиологические показатели. Совместное использование этих подходов позволяет выявлять значимые изменения в состоянии здоровья на более ранних стадиях.

Источник: 9TO5Mac