كشفت ورقة بحثية جديدة عن نموذج ذكاء اصطناعي متقدم، مُدرب ببيانات ساعة آبل، يمكنه التنبؤ بالحالات الصحية بدقة فائقة. يتفوق هذا النموذج الجديد على الأساليب التقليدية المعتمدة على المستشعرات، حيث يُحلل البيانات السلوكية للمستخدم، مما يفتح آفاقًا واسعة للكشف المبكر عن الأمراض وتحسين الرعاية الصحية الشخصية.
كيف يُحلل الذكاء الاصطناعي سلوكك الصحي؟
تُظهر الدراسة، التي حملت عنوان “ما وراء بيانات المستشعرات: النماذج الأساسية للبيانات السلوكية من الأجهزة القابلة للارتداء تُحسّن التنبؤات الصحية”، أن نموذج التعلم الآلي هذا يُركز على تحليل سلوك المستخدم بشكل عميق. يهدف هذا التحليل إلى تحديد المشاكل الصحية المحتملة بفعالية، متجاوزًا بذلك مجرد قراءة البيانات اللحظية من المستشعرات.
على عكس النماذج السابقة التي اعتمدت على مُخرجات المستشعرات الفورية مثل معدل ضربات القلب أو نسبة الأكسجين في الدم، يُركز هذا النموذج الجديد على أنماط سلوكية معقدة. يُحدد النموذج بدقة التغيرات في كيفية تحرك المستخدم، أو نومه، أو ممارسته للرياضة على مدار فترات زمنية طويلة، مما يوفر رؤى صحية أعمق.
يُعد نموذج السلوك القابل للارتداء (WBM) هو المحور الأساسي لهذه الدراسة المبتكرة. يُحلل هذا النموذج مقاييس سلوكية رفيعة المستوى تشمل عدد الخطوات اليومية، ومدة النوم، وتقلب معدل ضربات القلب، وأنماط الحركة العامة. تُحسب جميع هذه المقاييس بدقة عالية بواسطة ساعة آبل، مستخدمة خوارزميات مدمجة داخل الجهاز نفسه.
دقة كشف عالية ومهام متعددة
يُمكن هذا النهج الجديد، وفقًا للباحثين، نموذج الذكاء الاصطناعي من اكتشاف بعض الحالات الصحية بفعالية أكبر بكثير من الاعتماد على البيانات البيومترية وحدها. لقد حقق النموذج دقة ملحوظة بلغت 92% في الكشف عن حالات الحمل، وذلك عند دمجه مع البيانات البيومترية التقليدية ضمن نهج تحليلي متكامل ومبتكر.
تساعد خوارزميات النموذج في تحديد التغيرات السلوكية التي تحدث بمرور الوقت، سواء كانت على مدار أيام أو أسابيع. يساهم هذا في تحديد الحالات الصحية التي تتطور تدريجيًا، على النقيض من الحالات المفاجئة أو الحادة. يُقدم هذا تطورًا نوعيًا في القدرة على التنبؤ والتدخل المبكر.
قاعدة بيانات ضخمة لدعم النموذج
جمعت آبل بيانات هذا النموذج الضخم من خلال دراسة القلب والحركة الواسعة النطاق. شارك في هذه الدراسة أكثر من 1.6 مليون مشارك بياناتهم الصحية طواعيةً، مستخدمين ساعات آبل وهواتف آيفون الخاصة بهم، مما أتاح جمع كمية هائلة من المعلومات الدقيقة والمتنوعة لدعم البحث.
تم تدريب نموذج الذكاء الاصطناعي على كمية غير مسبوقة من البيانات، تجاوزت 2.5 مليار ساعة من بيانات النشاط والسلوك. بعد مرحلة التدريب المكثف، تم تقييم أداء النموذج على 57 مهمة مختلفة ومتنوعة للتنبؤ بالصحة، مما يؤكد على قدراته التشخيصية والتحليلية الواسعة في مجالات صحية متعددة.