MIT與Empirical Health的研究人員聯(lián)合開(kāi)展了一項(xiàng)新研究，利用約300萬(wàn)個(gè)人日的Apple Watch數(shù)據(jù)，開(kāi)發(fā)出一種名為JETS的自監(jiān)督時(shí)間序列基礎(chǔ)模型，用于預(yù)測(cè)多種醫(yī)學(xué)病癥。該研究成果已于近期被NeurIPS會(huì)議的一個(gè)研討會(huì)接收。

該模型基于Yann LeCun提出的“聯(lián)合嵌入預(yù)測(cè)架構(gòu)”（JEPA），其核心思想是讓AI學(xué)習(xí)推斷缺失數(shù)據(jù)的意義，而非直接重建原始數(shù)值。這一方法特別適用于處理來(lái)自可穿戴設(shè)備的不規(guī)則多變量時(shí)間序列數(shù)據(jù)，如心率、睡眠和活動(dòng)記錄，這些數(shù)據(jù)常存在大量間隔或不完整情況。

研究使用的數(shù)據(jù)集來(lái)自16,522名參與者，每人平均收集了數(shù)百天的健康數(shù)據(jù)，共涵蓋63種生理與行為指標(biāo)，分為心血管健康、呼吸健康、睡眠、身體活動(dòng)和一般統(tǒng)計(jì)五大類。值得注意的是，僅有15%的參與者擁有標(biāo)注的醫(yī)療史，傳統(tǒng)監(jiān)督學(xué)習(xí)難以充分利用其余數(shù)據(jù)。JETS通過(guò)自監(jiān)督預(yù)訓(xùn)練充分利用全部數(shù)據(jù)，再在小部分標(biāo)注數(shù)據(jù)上進(jìn)行微調(diào)。

為實(shí)現(xiàn)建模，研究人員將每日觀測(cè)值按“日期—數(shù)值—指標(biāo)類型”構(gòu)造成三元組，并轉(zhuǎn)化為標(biāo)記（token），隨后采用掩碼機(jī)制進(jìn)行編碼和預(yù)測(cè)。實(shí)驗(yàn)結(jié)果顯示，JETS在多項(xiàng)疾病的預(yù)測(cè)性能上表現(xiàn)優(yōu)異，AUROC指標(biāo)達(dá)到：高血壓86.8%、心房撲動(dòng)70.5%、慢性疲勞綜合征81%、病態(tài)竇房結(jié)綜合征86.8%。

AUROC衡量的是模型區(qū)分正負(fù)樣本的能力，而非直接的預(yù)測(cè)準(zhǔn)確率。盡管如此，結(jié)果仍表明JETS能有效從稀疏且不連續(xù)的數(shù)據(jù)中提取臨床相關(guān)信號(hào)。某些指標(biāo)在數(shù)據(jù)集中出現(xiàn)頻率低至0.4%，而最高可達(dá)99%。

這項(xiàng)研究發(fā)表于2025年12月，突顯了新型AI架構(gòu)在挖掘日?？纱┐髟O(shè)備健康數(shù)據(jù)潛力方面的前景，即使設(shè)備未被全天佩戴，也能為早期疾病篩查提供支持。

來(lái)源：9to5Mac（2025年12月9日）

參考鏈接:
https://9to5mac.com/2025/12/09/researchers-used-3-million-days-of-apple-watch-data-to-train-a-disease-detection-ai/