根据最近发表的一项研究，苹果公司支持的一种基于 Apple Watch 行为数据训练的全新 AI 模型，现在可以比传统的基于传感器的方法更准确地预测各种健康状况。

这篇题为《超越传感器数据：可穿戴设备行为数据基础模型改善健康预测》的研究论文介绍了一种机器学习模型，该模型可以分析用户行为以标记潜在的健康问题。与之前专注于心率或血氧等实时传感器输出的方法不同，该新模型可以识别人们随时间推移的运动、睡眠和锻炼模式。

这项研究的核心是一个被研究人员称为“可穿戴设备行为模型 (WBM)”的基础模型。它分析 Apple Watch 使用设备内置算法计算出的高级行为指标，例如步数、睡眠时长、心率变异性和活动能力。

研究人员发现，与仅基于直接生物特征数据的模型相比，这种方法可以使 AI 模型更有效地检测某些健康状况。 WBM 在识别研究人员所谓的静态健康状态（例如是否服用β受体阻滞剂）以及短暂性健康状况（例如睡眠质量或呼吸道感染）方面表现出色。在妊娠检测方面，该模型与传统生物特征数据以混合方式结合时，准确率高达 92%。

苹果通过“心脏与运动研究”为该模型收集数据，该研究涉及超过 16 万名参与者，他们自愿通过 Apple Watch 和 iPhone 共享数据。该基础模型基于超过 25 亿小时的数据进行训练，并在 57 种不同的健康相关预测任务中进行了评估。