苹果手表人工智能能以92%的准确率检测怀孕情况，相关报告
一项由苹果支持的新研究表明，人工智能现在能够利用iPhone和Apple Watch的行为数据，以高达92%的准确率检测早期怀孕迹象。这一突破性进展通过一个名为可穿戴行为模型（WBM）的机器学习模型实现，标志着将日常健康数据转变为强大预测工具的重要进步。
这项题为《超越传感器数据：来自可穿戴设备的行为数据基础模型提升健康预测》的研究超越了传统的健康追踪方法，后者通常依赖于心率或血氧水平等原始传感器输入。相反，它使用长期行为模式，例如睡眠质量、移动性、心率变异性以及活动水平，这些已经由苹果的算法处理过。
WBM模型使用从苹果心脏和运动研究（AHMS）中收集的超过25亿小时的可穿戴设备数据进行训练，该研究包含了超过16万名志愿者。研究人员还创建了一个专门的怀孕数据集，使用了430个怀孕案例的数据，并纳入了超过24,000名未怀孕且年龄在50岁以下女性的数据，以提高准确性。
不同于寻找短期生物计量峰值，该模型跟踪行为随时间的微妙累积变化。它使用一种先进的AI架构Mamba-2——非常适合分析如日常例行事务这样的时间序列数据——来发现可能表明怀孕、感染或伤后恢复的每周生理变化。
在怀孕检测方面，人工智能识别出改变的步伐、减少的移动性和被打乱的睡眠作为可靠的早期信号。结合诸如光电容积描记法（PPG）等生物计量数据，WBM实现了92%的怀孕检测准确率。
研究结果表明，苹果手表和iPhone未来可以在生殖健康方面发挥更积极的作用，潜在地使非侵入性的早期怀孕检测成为内置功能。然而，研究人员强调这种方法并不打算完全取代原始传感器数据。相反，他们提倡混合系统，其中行为趋势提供更广泛的健康背景，而传统传感器捕捉实时事件。
除了怀孕之外，AI模型在57项不同的健康预测任务中也显示出了有希望的结果，包括呼吸道感染的早期检测以及关于药物依从性的洞察，比如β受体阻滞剂的使用。
随着苹果继续探索可穿戴数据的巨大潜力，这项研究突显了行为AI如何将苹果手表转变为更加智能、主动的健康伴侣。
【全文结束】
