蘋果支持團隊開發新 AI 模型，能分析可穿戴設備數據，準確辨識多種身體徵狀，準確率高達 92%。預印本論文〈超越感測器數據：可穿戴行為數據的基礎模型改善健康預測〉，是蘋果心臟與運動研究（AHMS）一部分，團隊用超過 25 億小時可穿戴數據訓練，顯示健康預測方面的優越性。
新模型稱為「可穿戴行為模型」（WBM），與以往依賴原始感測器數據的健康模型不同，WBM從更直接精確行為指標學習，如步數、步態穩定性、活動能力和最大攝氧量等。這些指標由蘋果手錶取得，並有更穩定和易解讀的健康趨勢。
消費者可穿戴設備如智慧手錶與健身追蹤器提供豐富健康資訊，能幫助檢測靜態和瞬間健康狀態，如吸菸史、高血壓診斷或睡眠品質等。WBM模型訓練數據來自161,855名參與者，並以27個人類可解讀行為指標分析。
57項健康相關任務評估，WBM在47項靜態健康預測超越一強大基於PPG的模型，並所有動態任務表現出色，僅糖尿病預測略遜一籌。結合WBM和PPG數據的混合模型懷孕檢測達92%準確率，睡眠品質、感染、受傷和心血管預測項目都有進展。
研究目的是補充傳統感測器數據不足，WBM捕捉長期行為訊號，PPG則捕捉短期生理變化，兩者結合就能早期找出身體重要變化。
（首圖來源：Apple）
科技新知，時時更新
