Комбинацията от изкуствен интелект и устройства, които носим на китките си по цял ден Започва да дава резултати, които само преди няколко години звучаха почти като научна фантастика. Група изследователи демонстрираха, че с правилните данни, Apple Watch може да прави много повече от това да брои крачки или да измерва сърдечната честота.
В нова работа, разработена от Изследователи от MIT и стартъпът Empirical HealthСъздаден е модел с изкуствен интелект, който може да открива признаци на заболяване от данни от пасивно наблюдение. Ключът се крие в това как тези често непълни и неорганизирани данни се анализират, за да се извлекат рискови модели, които могат да служат като система за ранно предупреждение.
Мащабно проучване с милиони дни употреба в реалния свят
За да обучи тази система, екипът използва база данни, съставена от 16.522 потребители Apple WatchКато се сумира времето за използване на всички тях, се получава обем, еквивалентен на около три милиона дни реални измервания, количество информация, което би било невъзможно да се обработи с традиционните методи.
Всеки човек е генерирал до 63 различни показателя, свързани с вашето здраве, групирани на няколко фронта: сърдечно-съдови параметридихателна функция, качество на съня, ниво на физическа активност и по-обща статистика за ежедневието им. Въпреки че не всички участници са носили часовника постоянно, моделът е проектиран да се възползва дори от тези пропуски.
Един от най-поразителните аспекти е, че Само около 15% от потребителите са имали обозначена медицинска история което показваше специфични диагнози. С други думи, по-голямата част от данните не бяха придружени от етикет на заболяване, нещо, което по принцип прави обучението на надежден алгоритъм в областта на здравеопазването много по-трудно.
Далеч от това да виждат това като непреодолима пречка, изследователите са избрали стратегия на самообучение или самонаблюдениеПървоначално моделът беше обучен, използвайки цялата база данни, без да са необходими предварителни диагнози. По-късно той беше усъвършенстван, използвайки само малка част от участниците, чиято медицинска история беше записана.
Благодарение на този подход беше възможно да се възползваме от огромен обем информация, който в други контексти би се считал за „твърде шумен“ или непъленРезултатът е система, която се учи как хората се държат в ежедневието си, дори когато липсват измервания или има дълги празни периоди.
Изкуствен интелект, който разбира пропуските в данните за Apple Watch
Сърцето на проекта е модел на изкуствен интелект, вдъхновен от архитектурата JEPA (Съвместна вграждаща предсказуема архитектура)Това е семейство от алгоритми, фокусирани върху разбирането на цялостния контекст, а не върху предсказването на конкретна информация. За разлика от системи като езикови модели, които се опитват да отгатнат следващата дума, тук приоритетът е изграждането на съгласувано представяне на целия сценарий.
На практика екипът превърна всяко наблюдение на Apple Watch в един вид токен, който включваше датата, вида на показателя и измерената стойностОттам нататък беше приложен механизъм за маскиране: части от информацията бяха умишлено скрити, за да се принуди моделът да направи извод какво може да се постави в тези празнини.
Вместо да се опитва да възстанови точното липсващо число, изкуственият интелект се учи Какво означава липсата на данни в рамките на глобалния модел на всеки човек?Ако някой прекара няколко дни без да записва съня или активността си, системата не го третира като проста грешка, а като друг елемент от поведението, който може да има медицинско значение.
Това е особено полезно с носимитезащото ежедневната му употреба е всичко друго, но не и перфектна: Има дни, когато часовникът е оставен на нощното шкафче, други, когато батерията се изтощи или когато сензорът не измерва правилно.JETS, моделът, наречен от изследователите, се учи именно от този хаос и е способен да работи с много нередовни данни.
Според отговорните за проучването, много от анализираните показатели са били достъпни само около 0,4% от общото време За някои потребители регистрациите бяха високи, докато за други бяха почти ежедневни. Дори при това несъответствие, изкуственият интелект успя да извлече полезни модели, които биха останали незабелязани при по-традиционен анализ.
От теория към практика: откриване на хипертония и апнея
След като беше обучен и усъвършенстван, моделът беше тестван за откриване на специфични здравословни състоянияМного от тези състояния бяха свързани със сърдечно-съдови проблеми и нарушения на съня. Особено внимание беше обърнато на хипертонията, синдрома на болния синус, сънната апнея и хроничната умора.
В случай на ХипертонияИзкуственият интелект успя да различи със значителна точност хора с и без това състояние. Публикуваните резултати показват процент на дискриминация, близък до [percent missing]. 86,8%Това показва, че моделът точно разграничава кой е изложен на риск и кой не, въз основа на данните, събрани от часовника.
Ефективността не се ограничаваше само до този конкретен проблем. Системата показа също добри резултати при идентифициране на модели, съвместими със синдрома на болния синус или синдрома на хроничната умораНе винаги постигаше най-висок резултат спрямо всички референтни модели, но постоянно демонстрираше предимство при работа с такива нередовни записи.
Важно е да се уточни, че показателите, използвани за оценка на модела Те не броят простичките „успехи или неуспехи“а по-скоро способността за приоритизиране на случаите според вероятността от риск. В превантивното здравеопазване наистина важното е да се даде приоритет на тези, които може да се нуждаят от преглед преди появата на ясни симптоми, вместо да се постигне абсолютна точност при всяка диагноза.
С други думи, полезността на този тип изкуствен интелект зависи от функционират като пасивна система за скрининг което показва кои потребители трябва да посетят лекар за по-задълбочена оценка. Именно тук Apple Watch може да играе важна роля, служейки като първоначален филтър, който разчита на привидно рутинни измервания.
Несъвършени данни, но с голям здравен потенциал
Един от заключенията, върху които изследователите наблягат най-много, е, че Несъвършените данни не са непременно безполезниКогато се боравят правилно, те могат да предоставят ценна информация, особено когато се събират за дълги периоди от време и в реални условия, далеч от контролираните условия на лаборатория.
Това проучване показа, че дори много спорадични записи могат да помогнат за изграждането на надежден модел на здравословното състояние на човек. Дори ако някои показатели се измерват само в редки случаи, общия модел на активност, сън и сърдечна честота В крайна сметка предлага насоки за евентуални основни проблеми.
Това подсилва идеята, че смарт часовниците като Apple Watch могат да играят все по-важна роля в непрекъснатото наблюдениеНе е необходимо да носите устройството 24 часа в денонощието или да се вманиачавате в записването на всичко подробно; ключът е да имате система, способна правилно да интерпретира записаното.
Моделът използва именно това предимство: Той съпътства потребителя в ежедневието му, без да изисква перфектна употреба.От генерирания набор от данни се изгражда един вид „карта“ на здравето на всеки човек, достатъчно надеждна, за да открие аномалии, които биха могли да останат незабелязани при еднократна консултация.
За европейските здравни системи, където работното натоварване непрекъснато се увеличава, този тип подход би могъл да бъде полезен инструмент за подкрепа. Алгоритъм, който помага за приоритизиране на случаите или идентифициране на ранни рискове Това би позволило да се отделят повече ресурси за тези, които наистина се нуждаят от тях, при условие че бъде правилно интегрирано в клиничната практика.
Ограничения, клинични предизвикателства и ролята на лекарите
Самите автори обаче подчертават, че Тази работа все още е в областта на изследванетоСамо защото даден модел се представя добре в проучване, не означава, че е готов да се превърне в друга функция на часовника или че трябва да замести оценката от медицински специалист.
Засега това не е окончателно доказано. Как би се държал този изкуствен интелект в реални клинични условиякъдето играят роля много повече фактори: разлики между популациите, много различни навици за употреба, вариации в начина на носене на часовника или промени в начина на живот, които променят показателите.
Трябва също да се отбележи, че въпреки добрите нива на дискриминация, Системата далеч не е безпогрешна.Могат да се появят както фалшиво положителни, които пораждат ненужно безпокойство, така и фалшиво отрицателни, при които се пренебрегва съответен риск. Следователно, всеки резултат, предоставен от изкуствен интелект, трябва да се разглежда като предупредителен знак, а не като окончателна диагноза.
Ролята на Медицинският персонал остава от съществено значениеСпецифичните диагностични тестове, физическият преглед и целият клиничен контекст не могат да бъдат заменени от алгоритъм, който работи с пасивни данни. Изкуственият интелект може да помогне за фокусиране на вниманието, но окончателното решение трябва да бъде взето от професионалист.
Към всичко това се добавя и проблеми с поверителността и защитата на даннитеТова е особено чувствително в Европа. Позволяването на система непрекъснато да анализира такава интимна информация като сърдечен ритъм, модели на сън или ежедневна активност изисква осигуряване на много високо ниво на сигурност и стриктно спазване на разпоредби, като например Общия регламент относно защитата на данните (GDPR).
Какво означава Apple Watch за бъдещето на здравеопазването?
Въпреки предпазните мерки, проучването ясно показва, че Превантивната медицина може да се промени радикално с помощта на носими устройстваПреминаването от случайни проверки към почти постоянно наблюдение отваря вратата за откриване на проблеми на по-ранни етапи, когато все още има повече време за действие.
Apple Watch вече предлага функции, свързани със здравето, като например анормални сигнали за сърдечен ритъм, проследяване на съня или откриване на паданеИзследвания от този вид сочат към следваща фаза, в която устройството би могло да помогне за откриване на нарушения като хипертония или сънна апнея по много по-сложен начин.
В европейски контекст, където смарт часовниците набират популярност, подобно развитие би могло вписват се в програми за дистанционно наблюдение или в инициативи за дигитална медицина, задвижвани от публични и частни системи. Въпреки това, координирана работа между технолози, клиницисти и регулаторни органи би била необходима, за да се осигури безопасно и ефективно внедряване.
Здравната екосистема на Apple на iPhone сочи в тази посока: компанията развива своето здравно приложение от обикновено хранилище за данни в... по-проактивен асистент, способни да открояват тенденции, да предупреждават за значителни промени и да интегрират отчети с медицински центрове, когато е възможно. Тази интеграция с външни услуги Това е една от линиите, които предизвикват най-голям интерес в индустрията.
Във всеки случай, дори ако тези функции отнемат време, за да достигнат до крайния потребител, Основното послание е ясноДанните, генерирани от смарт часовници и фитнес тракери, могат да бъдат много повече от просто интересна статистика. Правилно управлявани и защитени, тези данни биха могли да се превърнат в ценен инструмент за по-добро управление на здравето ни, без да е необходимо постоянно посещение на място.
Всичко подсказва, че сме в ранните етапи на един различен начин на разбиране на медицинското наблюдение, при който изкуствен интелект, обучен с милиони дни употреба на Apple Watch Той действа като безшумен радар, търсейки предупредителни знаци сред сърдечната честота, часовете сън и предприетите стъпки, докато здравните специалисти все още имат последната дума за това какво да правят с тази информация.
