- Umělí inteligence by mohla odemknout plný potenciál Apple Watch
- Nový výzkum ukazuje, že k tomu ani nejsou potřeba nové senzory
- Jestli se ale podobného využití někdy dočkáme v praxi je otázkou
Chytré hodinky Apple Watch o svých uživatelích sbírají poměrně velké množství dat, od srdečního tepu, přes okysličení krve a EKG, až po teplotu kůže. Jejich vyhodnocení je nicméně klíčové v tom, abychom tyto hodnoty mohli v praxi lépe pochopit a dále s nimi pracovat, což je prozatím Achillovou patou (nejen) Apple Watch. Samotný Apple prozatím jen klouže po povrchu toho, co všechno by jeho hodinky mohly o uživatelích zjistit – skvělým příkladem je třeba detekce hypertenze, která dorazila s aktualizací watchOS 26.
AI umožní lépe interpretovat nasbíraná data
Ačkoli tato funkce zdaleka není diagnostickým nástrojem a Apple sám přiznává, že upozornění nezachytí všechny případy hypertenze, tvrdí také, že se očekává, že tato funkce během prvního roku upozorní více než 1 milion lidí s nediagnostikovanou hypertenzí. Důležitým aspektem této funkce je, že není založena na okamžitých měřeních, ale spíše na datech za období 30 dnů, což znamená, že její algoritmy analyzují trendy. A právě v tomto bodě přichází na řadu nová studie Applu.
Tato studie, stejně jako většina jí podobných a publikovaných na blogu Apple Machine Learning Research, se zaměřuje na základní výzkum a samotnou technologii. V tomto konkrétním článku s názvem Hybridní modelování fotopletysmografie pro neinvazivní monitorování kardiovaskulárních parametrů Apple navrhuje hybridní přístup, který využívá hemodynamické simulace a neoznačená klinická data k odhadu kardiovaskulárních biomarkerů přímo z PPG signálů. Jinými slovy, vědci dokazují, že je možné odhadovat hlubší srdeční metriky pomocí jednoduchého snímače pulzu na prstu, známého také jako fotopletysmograf (PPG), stejného optického snímače, jaký se používá v Apple Watch.
Výzkumníci Applu získali velký soubor označených simulovaných křivek arteriálního tlaku (APW) a soubor simultánních měření APW a PPG. Poté de facto vycvičili generativní model, aby se naučil mapovat data PPG na simultánně se vyskytující APW. To jim v kostce umožnilo odvodit data APW z měření PPG s dostatečnou přesností pro účely studie. Poté vložili tyto interpretované APW do druhého modelu, který byl trénován tak, aby z těchto dat odvodil srdeční biomarkery, jako je objem srdečního výdeje a srdeční výdej.
Toho dosáhli trénováním tohoto druhého modelu se simulovanými daty APW, spárovanými se známými hodnotami kardiovaskulárních parametrů pro objem srdečního výdeje, srdeční výdej a další metriky. Nakonec vygenerovali několik pravděpodobných APW křivek pro každý PPG segment, odvodili odpovídající kardiovaskulární parametry pro každý z nich a zprůměrovali tyto výsledky, aby získali konečný odhad spolu s mírou nejistoty.
Umělá inteligence umí využít současná data pro hlubší interpretaci
Jakmile byl celý proces trénování připraven, vybrali zcela nový datový soubor obsahující signály APW a PPG od 128 pacientů podstupujících nekardiální chirurgický zákrok, označený kardiovaskulárními biomarkery. Po zpracování těchto dat zjistili, že přesně sleduje trendy objemu srdečního výdeje, i když ne jejich přesné absolutní hodnoty. Přesto jejich metoda překonala konvenční techniky a ukázala, že modelování s podporou umělé inteligence dokáže z jednoduchého optického senzoru získat důležitější informace o srdci.
I když v tuto chvíli netušíme, zda Apple tyto funkce někdy do Apple Watch začlení, je pozitivní vidět, že výzkumníci giganta z Cupertina hledají nové způsoby, jak z již dostupných a používaných senzorů získat ještě smysluplnější a potenciálně život zachraňující data. A není vyloučeno, že se v budoucnu dočkáme nějaké aplikace třetí strany, která Apple zastoupí.
