Сочетание искусственный интеллект а также устройства, которые мы носим на запястьях весь день. Результаты начинают давать плоды, которые еще несколько лет назад казались почти научной фантастикой. Группа исследователей продемонстрировала, что при наличии необходимых данных Apple Watch могут делать гораздо больше, чем просто считать шаги или измерять частоту сердечных сокращений.
В новой работе, разработанной Исследователи из Массачусетского технологического института и стартап Empirical HealthСоздана модель искусственного интеллекта, способная выявлять признаки заболеваний на основе данных пассивного наблюдения. Ключ к успеху заключается в том, как анализируются эти часто неполные и неорганизованные данные для выявления закономерностей риска, которые могут служить системой раннего предупреждения.
Масштабное исследование, охватывающее миллионы дней реального использования.
Для обучения этой системы команда использовала базу данных, состоящую из 16.522 пользователей Apple WatchСуммируя время использования всех этих устройств, получаем объем, эквивалентный... около трех миллионов дней фактических измеренийЭто такой объем информации, с которым невозможно справиться традиционными методами.
Каждый человек сгенерировал до 63 различных показателя, связанных с вашим здоровьем.сгруппированы по нескольким направлениям: сердечно-сосудистые параметрыФункция дыхания, качество сна, уровень физической активности и более общие статистические данные об их распорядке дня. Хотя не все участники носили часы постоянно, модель была разработана таким образом, чтобы использовать даже эти перерывы.
Одним из самых поразительных аспектов является то, что Лишь около 15% пользователей имели указанную историю болезни. Это указывало на конкретные диагнозы. Другими словами, подавляющее большинство данных не содержало метки заболевания, что в принципе значительно затрудняет обучение надежного алгоритма в сфере здравоохранения.
Вместо того чтобы рассматривать это как непреодолимое препятствие, исследователи выбрали стратегию... самообучение или самоконтрольСначала модель обучалась с использованием всей базы данных, без необходимости предварительного диагноза. Позже она была усовершенствована с использованием лишь небольшой подгруппы участников, у которых была зафиксирована история болезни.
Благодаря такому подходу стало возможным воспользоваться преимуществами огромный объем информации, который в других контекстах считался бы «слишком шумным» или неполным.В результате получается система, которая учится понимать, как люди ведут себя в повседневной жизни, даже когда данные измерений отсутствуют или имеются длительные периоды затишья.
Искусственный интеллект, который понимает пробелы в данных Apple Watch.
В основе проекта лежит модель искусственного интеллекта, вдохновленная архитектурой. JEPA (Joint Embedding Predictive Architecture)Это семейство алгоритмов, ориентированных на понимание общего контекста, а не на прогнозирование конкретной информации. В отличие от таких систем, как языковые модели, которые пытаются угадать следующее слово, здесь приоритет отдается построению целостного представления всей ситуации.
На практике команда превратила каждое наблюдение на Apple Watch в своего рода жетон, который включал в себя дата, тип метрики и измеренное значениеЗатем был применен механизм маскировки: части информации были намеренно скрыты, чтобы заставить модель сделать вывод о том, что может находиться в этих пробелах.
Вместо того чтобы пытаться восстановить точное недостающее число, ИИ обучается Что означает отсутствие данных в контексте общей картины жизни каждого человека?Если человек несколько дней не регистрирует свой сон или активность, система рассматривает это не как простую ошибку, а как еще один элемент поведения, который может иметь медицинское значение.
Это особенно полезно в случае с Предметы одеждыпотому что его ежедневное использование далеко не идеально: Бывают дни, когда часы лежат на прикроватной тумбочке, бывают дни, когда садится батарея, или когда датчик показывает неверные значения.Модель JETS, названная так исследователями, учится именно на этом хаосе и способна работать с очень нерегулярными данными.
По словам авторов исследования, многие из проанализированных показателей были доступны лишь приблизительно в определенное время. 0,4% от общего времени Для одних пользователей количество регистраций было высоким, для других — почти ежедневным. Даже при таком расхождении ИИ удалось выявить полезные закономерности, которые остались бы незамеченными при более традиционном анализе.
От теории к практике: выявление гипертонии и апноэ.
После обучения и доработки модель была протестирована на обнаружение конкретные состояния здоровьяМногие из этих состояний были связаны с сердечно-сосудистыми заболеваниями и нарушениями сна. Особое внимание уделялось гипертонии, синдрому слабости синусового узла, апноэ во сне и хронической усталости.
В случае ГипертензияИскусственный интеллект смог с достаточной точностью различать людей с этим заболеванием и без него. Опубликованные результаты указывают на коэффициент различения, близкий к [процент отсутствующих данных]. 86,8%Это свидетельствует о том, что модель точно определяет, кто находится в группе риска, а кто нет, на основе данных, собранных с помощью часов.
Эффективность системы не ограничивалась решением этой конкретной проблемы. Система также продемонстрировала... хорошие результаты в выявлении признаков, совместимых с синдромом слабости синусового узла или синдромом хронической усталости.Она не всегда показывала наивысший результат по сравнению со всеми эталонными моделями, но неизменно демонстрировала преимущество при работе с такими нерегулярными записями.
Важно уточнить, что метрики, используемые для оценки модели, Они не учитывают простые «успехи или неудачи».Но важнее способность расставлять приоритеты в случаях, исходя из вероятности риска. В профилактической медицине действительно важно расставлять приоритеты для тех, кому может потребоваться обследование до появления явных симптомов, а не добиваться предельной точности в каждом диагнозе.
Иными словами, полезность этого типа ИИ зависит от функционирует как пассивная система скрининга Это позволяет определить, каким пользователям следует обратиться к врачу для более тщательного обследования. Именно здесь Apple Watch могут сыграть важную роль, выступая в качестве первоначального фильтра, основанного на, казалось бы, рутинных измерениях.
Данные неполные, но обладают огромным потенциалом для улучшения здоровья.
Один из выводов, на который исследователи делают наибольший акцент, заключается в том, что Несовершенные данные не обязательно бесполезны.При правильном обращении они могут предоставить ценную информацию, особенно если их сбор ведется в течение длительных периодов времени и в реальных условиях, вне контролируемых лабораторных условий.
Данное исследование показало, что даже очень нерегулярные записи могут помочь построить надежную модель состояния здоровья человека. Даже если некоторые показатели измеряются лишь изредка, общий характер активности, сна и частоты сердечных сокращений В итоге это позволяет выявить возможные скрытые проблемы.
Это подтверждает идею о том, что умные часы, подобные этим Apple Watch могут играть все более важную роль в непрерывном мониторинге.Нет необходимости носить устройство 24 часа в сутки или зацикливаться на детальной записи всего происходящего; главное — иметь систему, способную правильно интерпретировать записанную информацию.
Модель использует именно это преимущество: Оно сопровождает пользователя в повседневной жизни, не требуя идеального использования.На основе сгенерированного набора данных создается своего рода «карта» здоровья каждого человека, достаточно надежная для выявления аномалий, которые могли бы остаться незамеченными при разовой консультации.
Для европейских систем здравоохранения, где нагрузка постоянно растет, подобный подход может стать полезным вспомогательным инструментом. Алгоритм, который помощь в определении приоритетности дел или выявлении ранних рисков Это позволило бы направить больше ресурсов на помощь тем, кто в ней действительно нуждается, при условии надлежащей интеграции в клиническую практику.
Ограничения, клинические проблемы и роль врачей.
Однако сами авторы подчеркивают, что Данная работа все еще находится в области исследований.Тот факт, что модель хорошо показала себя в исследовании, не означает, что она готова стать еще одной функцией часов или что она должна заменить оценку медицинского специалиста.
На данный момент это ещё не доказано окончательно. Как бы этот ИИ вел себя в реальных клинических условиях?Здесь в игру вступают многие другие факторы: различия между группами населения, совершенно разные привычки использования, вариации в способе ношения часов или изменения образа жизни, которые влияют на показатели.
Следует также отметить, что, несмотря на хорошие показатели дискриминации, Система далеко не безупречна.Могут возникать ложноположительные результаты, вызывающие ненужное беспокойство, и ложноотрицательные результаты, при которых упускается из виду существенный риск. Поэтому любой результат, полученный с помощью ИИ, следует рассматривать как предупреждающий знак, а не как окончательный диагноз.
Роль Медицинский персонал остается крайне важным.Специализированные диагностические тесты, физический осмотр и полный клинический контекст не могут быть заменены алгоритмом, работающим с пассивными данными. Искусственный интеллект может помочь сосредоточить внимание, но окончательное решение должно приниматься профессионалом.
Ко всему этому следует добавить вопросы конфиденциальности и защиты данныхЭто особенно важно в Европе. Для обеспечения непрерывного анализа такой конфиденциальной информации, как частота сердечных сокращений, режим сна или ежедневная активность, система должна гарантировать очень высокий уровень безопасности и строго соблюдать нормативные акты, такие как Общий регламент по защите данных (GDPR).
Что означает Apple Watch для будущего здравоохранения?
Несмотря на принятые меры предосторожности, исследование ясно показывает, что Благодаря носимым устройствам профилактическая медицина может кардинально измениться.Переход от эпизодических проверок к практически постоянному мониторингу позволяет выявлять проблемы на ранних стадиях, когда еще есть время для принятия мер.
Apple Watch уже предлагает функции, связанные со здоровьем, такие как: Предупреждения об аномальной частоте сердечных сокращений, отслеживание сна или обнаружение паденийПодобные исследования указывают на следующий этап, на котором устройство сможет помочь выявлять такие расстройства, как гипертония или апноэ во сне, гораздо более совершенными способами.
В европейском контексте, где умные часы набирают популярность, подобное развитие событий могло бы подходит для программ удаленного мониторинга или в инициативах в области цифровой медицины, реализуемых государственными и частными системами. Однако для обеспечения безопасного и эффективного внедрения потребуется скоординированная работа между технологами, врачами и регулирующими органами.
Собственная экосистема Apple для здоровья на iPhone указывает в этом направлении: компания развивает свое приложение для здоровья, превращая его из простого хранилища данных в более инициативный помощникспособный выявлять тенденции, оповещать о значительных изменениях и, по возможности, интегрировать отчеты с медицинскими центрами. Эта интеграция с внешними сервисами Это одна из линий продукции, вызывающих наибольший интерес в отрасли.
В любом случае, даже если для того, чтобы эти функции стали доступны конечному пользователю, потребуется время, Основной посыл ясен.Данные, генерируемые умными часами и фитнес-трекерами, могут представлять собой нечто гораздо большее, чем просто интересную статистику. При правильном управлении и защите эти данные могут стать ценным инструментом для более эффективного контроля за нашим здоровьем без необходимости постоянных личных визитов к врачу.
Всё указывает на то, что мы находимся на ранних этапах формирования иного подхода к пониманию медицинского мониторинга, в котором ИИ, обученный на основе миллионов дней использования Apple Watch. Она действует как бесшумный радар, выискивая тревожные сигналы среди частоты сердечных сокращений, количества часов сна и пройденных шагов, в то время как окончательное решение о том, что делать с этой информацией, остается за медицинскими работниками.
