苹果新研究：人工智能可以从 Apple Watch 光学传感

IT之家 12 月 3 日报道，苹果公司的一项新研究揭示了该公司如何利用人工智能 (AI) 技术进一步探索对心血管健康的深入洞察。在 WatchOS 26 中，苹果为其 Apple Watch 引入了“高血压提醒”功能。据该公司解释：Apple Watch 的高血压功能利用光学心率传感器的数据来分析用户血管对心跳的反应。该算法仅在后台运行，持续分析 30 天的数据，并在检测到持续高血压迹象时通知用户。虽然该功能远非级别级的诊断工具，而且苹果公司已澄清“高血压警报不会检测到所有高血压病例”，但该公司希望该功能能够在第一年向超过 100 万未确诊高血压患者发出警报。值得注意的是，该功能并不是基于即时测量s，但依赖于长达 30 天的数据趋势分析。这意味着其算法关注长期趋势，而不是提供实时血流动力学读数或估计特定的心血管参数。这就是这项新研究的意义所在。首先让我们明确一点：这项研究中从未提及 Apple Watch，文章中也没有承诺即将推出的产品或功能。与苹果机器学习研究博客上发表的大多数（甚至全部）论文一样，这项研究重点关注基础科学研究和底层技术本身。据其主页介绍，这篇题为“用于心血管参数无创监测的光电体积描记法的混合建模”的论文提出了一种“混合方法”，“结合血流动力学模拟和非结构化临床数据，直接从 PPG 信号估计心血管生物标志物”。简而言之，研究人员表明，仅使用简单的手指脉搏传感器就可以估计更深层次的心脏指标（照片体积描记器（PPG）——与 Apple Watch 中使用的光学传感技术相同（尽管有所不同。具体来说，苹果研究人员首先获取了一个大规模、标记的动脉压波形 (APW) 数据集，以及另一个包含同时捕获的真实世界 APW 和 PPG 信号的数据集。这次，他们能够从 PPG 测量中以足够的精度推断 APW 数据。然后，他们推断 APW 被输入到第二个模型中。该模型经过训练，可以进一步捕获心脏生物标志物第二个模型的训练依赖于与已知心血管参数值（包括每搏量、心输出量等）配对的APW数据的模拟，最后，研究人员为每个PPG分段生成多个可能的APW波形，单独提供相应的心血管参数，并对结果进行平均，以在完成ent后获得最终的估计和不确定性。在训练和模型构建过程中，研究团队选择了新的数据集进行验证，其中包含128例非心脏手术患者的APW和PPG信号内容，并结合相应的心血管生物标志物标签。当这些数据输入模型时，结果表明该方法能够准确监测每搏量和心输出量趋势，尽管它无法准确预测它们的绝对值。即便如此，它仍然优于传统方法，表明在人工智能辅助建模的帮助下，可以从简单的光学传感器获得更多与心脏健康相关的临床信息。研究人员在论文中总结道：“这项研究采用了混合建模方法，从信号中的体内心血管参数中推导出 PPG。与受到有限注释数据限制的纯数据驱动方法相比，我们的方法避免了侵入性且昂贵的注释，并取得了有希望的结果。”现有的心血管结构混合建模方法 神经血管 或 神经血管 或 神经血管 或 神经血管 或 神经血管 O。将传统生理模型与数据驱动组件相结合；为了将来的研究。虽然目前尚不清楚苹果是否会将这些技术整合到未来的 Apple Watch 产品中，但令人鼓舞的是，该公司的研究人员正在积极探索创新方法，从现有传感器中提取更有价值且可能挽救生命的心血管健康数据。该研究全文已发布在ARXIV预印本平台上。 特别声明：以上内容（如有，包括图片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。 注：以上内容（包括图片和视频，如有）由网易HAO用户上传并发布，网易HAO是一个社交媒体平台，提供信息仅信息存储服务。