این هوش مصنوعی، بیماری‌ها را با دقت ۹۲ درصد تشخیص می‌دهد!

مطالعه‌ای تازه با حمایت اپل نشان می‌دهد که داده‌های رفتاری کاربران مانند میزان تحرک، خواب و فعالیت بدنی می‌توانند اطلاعات به‌مراتب دقیق‌تری درباره‌ی سلامت انسان ارائه دهند، حتی دقیق‌تر از داده‌هایی نظیر ضربان قلب یا سطح اکسیژن خون. این پژوهش منجر به توسعه‌ی مدل پایه‌ای به نام WBM شده که فقط با اتکا به همین داده‌های رفتاری آموزش دیده است.

مدل هوش مصنوعی WBM برخلاف مدل‌های قبلی که به داده‌ی خام حسگرها وابسته بودند، از داده‌های پردازش‌شده‌ای مانند تعداد قدم‌ها، ثبات در راه رفتن، سطح آمادگی جسمانی و سایر شاخص‌های مرتبط با سبک زندگی استفاده می‌کند؛ شاخص‌هایی که ساعت هوشمند اپل به‌طور مداوم ثبت می‌کند.

محققان می‌گویند داده‌های رفتاری، نسبت به داده‌های لحظه‌ای سنسورها، برای تشخیص وضعیت‌های سلامتی مزمن یا موقت مثل بارداری یا کیفیت خواب بسیار مناسب‌تر هستند، زیرا این اطلاعات در بازه‌های زمانی طولانی‌تری تغییر می‌کنند و روندهای معنادارتری را نشان می‌دهند.

WBM به‌جای بررسی سیگنال‌های خام، با استفاده از ۲۷ معیار رفتاری قابل‌فهم و بهره‌گیری از معماری مدرن Mamba-2 آموزش داده شده است. نتیجه این رویکرد، بهبود چشمگیر در پیش‌بینی وضعیت‌های سلامتی مختلف، نسبت به مدل‌های سنتی، بوده است.

مدل WBM در آزمایش‌ها توانست در اکثر وظایف مربوط به سلامت عملکرد بهتری داشته باشد و در ترکیب با داده‌های حسگر، دقت تشخیص بارداری را به ۹۲ درصد برساند. این یافته‌ها نشان می‌دهد ترکیب هوش مصنوعی و داده‌های رفتاری راه را برای پایش هوشمند سلامت هموار می‌کند.