Ένα νέο μοντέλο AI που υποστηρίζεται από την Apple και είναι εκπαιδευμένο σε δεδομένα συμπεριφοράς του Apple Watch, μπορεί πλέον να προβλέψει ένα ευρύ φάσμα παθήσεων με μεγαλύτερη ακρίβεια από τις παραδοσιακές προσεγγίσεις που βασίζονται σε αισθητήρες. Αυτό υποστηρίζει μια πρόσφατα δημοσιευμένη μελέτη.
Πιο συγκεκριμένα η συγκεκριμένη ερευνητική εργασία εισάγει ένα μοντέλο μηχανικής μάθησης που αναλύει τη συμπεριφορά των χρηστών για να εντοπίσει πιθανά προβλήματα υγείας. Σε αντίθεση με προηγούμενες μεθόδους που επικεντρώνονται σε δεδομένα αισθητήρων σε πραγματικό χρόνο, όπως ο καρδιακός ρυθμός ή το οξυγόνο στο αίμα, το νέο μοντέλο εντοπίζει μοτίβα στον τρόπο με τον οποίο οι άνθρωποι κινούνται, κοιμούνται και ασκούνται με την πάροδο του χρόνου.
Στο επίκεντρο της μελέτης βρίσκεται ένα βασικό μοντέλο που οι ερευνητές ονομάζουν Wearable Behavior Model (WBM), το οποίο αναλύει μετρήσεις συμπεριφοράς όπως ο αριθμός βημάτων, η διάρκεια ύπνου, η μεταβλητότητα του καρδιακού ρυθμού και η κινητικότητα. Αυτά υπολογίζονται από το Apple Watch χρησιμοποιώντας αλγόριθμους ενσωματωμένους στη συσκευή. Οι ερευνητές διαπίστωσαν ότι αυτή η προσέγγιση επιτρέπει στο μοντέλο τεχνητής νοημοσύνης να ανιχνεύει ορισμένες παθήσεις πιο αποτελεσματικά από τα μοντέλα που βασίζονται αποκλειστικά σε άμεσα βιομετρικά δεδομένα.
Αναλυτικότερα το WBM έδειξε ιδιαίτερα ισχυρή απόδοση στον εντοπισμό αυτών που οι ερευνητές ονόμασαν στατικές καταστάσεις υγείας, όπως το εάν ένα άτομο λαμβάνει βήτα-αναστολείς, και παροδικών παθήσεων όπως η ποιότητα ύπνου ή η αναπνευστική λοίμωξη. Ακόμη για την ανίχνευση εγκυμοσύνης το μοντέλο πέτυχε ακρίβεια έως και 92% όταν συνδυάστηκε με παραδοσιακά βιομετρικά δεδομένα σε μια υβριδική προσέγγιση. Η Apple συνέλεξε δεδομένα για το μοντέλο μέσω μελέτης στην οποία συμμετέχουν περισσότεροι από 160.000 συμμετέχοντες που μοιράζονται οικειοθελώς δεδομένα μέσω του Apple Watch και του iPhone.
Τι ετοιμάζει η Xiaomi για το επόμενο κορυφαίο της tablet, Pad Pro, σύμφωνα με διαρροή
Το βασικό αυτό μοντέλο με τεχνητή νοημοσύνη εκπαιδεύτηκε σε πάνω από 2,5 δισεκατομμύρια ώρες δεδομένων και αξιολογήθηκε σε 57 διαφορετικές εργασίες πρόβλεψης που σχετίζονται με την υγεία. Ακόμη χρησιμοποιεί μια αρχιτεκτονική μηχανικής μάθησης χρονοσειρών που εντοπίζει αλλαγές στη συμπεριφορά σε διάστημα ημερών ή εβδομάδων, επιτρέποντας το να εντοπίζει παθήσεις που εκδηλώνονται με την πάροδο του χρόνου.
Ακολουθήστε το Techmaniacs.gr στο Google News για να διαβάζετε πρώτοι όλα τα τεχνολογικά νέα. Ένας ακόμα τρόπος να μαθαίνετε τα πάντα πρώτοι είναι να προσθέσετε το Techmaniacs.gr στον RSS feeder σας χρησιμοποιώντας τον σύνδεσμο: https://techmaniacs.gr/feed/.
