باحثو آبل يطورون تقنية ذكاء اصطناعي تتوقع حالتك الصحية من خلال ساعتك الذكية

طور باحثو آبل، بالتعاون مع جامعة جنوب كاليفورنيا، نموذجًا مبتكرًا للذكاء الاصطناعي يتتبع البيانات السلوكية عبر إشارات المستشعرات، ويستند هذا الابتكار إلى دراسة سابقة لأبل تناولت القلب والحركة، حيث يهدف البحث إلى تقييم ما إذا كانت البيانات السلوكية، مثل عادات النوم وعدد الخطوات اليومية، تمثل مؤشرات أفضل على صحة الفرد مقارنةً بالمؤشرات التقليدية كـمعدل ضربات القلب ومستوى الأكسجين في الدم، وأظهرت الورقة البحثية أداءً جيدًا لهذا النموذج الجديد رغم هناك بعض المحاذير.

نُشرت الدراسة، التي تحمل عنوان “ما وراء بيانات المستشعرات”، في مجلة arXiv ولا تزال في انتظار مراجعتها من قبل الأقران، حيث قام الباحثون بتطوير نموذج ذكاء اصطناعي يُعرف باسم “نموذج السلوك القابل للارتداء” يعتمد على بيانات سلوكية مُعالجة من الأجهزة القابلة للارتداء، مثل مدة النوم ودورات حركة العين السريعة والخطوات اليومية وطريقة المشي وكيفية تغير النشاط على مدار الأسبوع.

تقليديًا، يركز البحث في مجال الصحة القابلة للارتداء على قراءات المستشعرات الخام، مثل مراقبة معدل ضربات القلب، ومستويات الأكسجين، ودرجة حرارة الجسم، وعلى الرغم من فائدة هذه البيانات أحيانًا، إلا أنها تفتقر إلى السياق الكامل للفرد وقد تحتوي على تناقضات ملحوظة.

ومع ذلك، لم تُستخدم البيانات السلوكية كأداة موثوقة في تقييم الصحة حتى الآن، ويرجع ذلك لسببين رئيسيين، حيث تعتبر هذه البيانات أكبر بكثير مقارنةً ببيانات المستشعرات، مما قد يؤدي إلى حالة من التشويش، بالإضافة إلى تحديات إنشاء خوارزميات قادرة على تحليل هذه البيانات وتقديم تنبؤات صحية دقيقة.

هنا يأتي دور نموذج اللغة الكبير ليقدم حلاً لمشكلة التحليل، إذ قام الباحثون بتزويد النموذج ببيانات مُهيكلة ومعالجة، حيث استندت هذه البيانات إلى معلومات من أكثر من 162,000 مستخدم لساعة آبل، مما أدى لجمع ما يزيد عن 2.5 مليار ساعة من البيانات القابلة للارتداء.

بعد تدريب النموذج، استخدم الذكاء الاصطناعي 27 مقياسًا سلوكيًا مختلفًا تحت عدة فئات، مثل النشاط وصحة القلب والأوعية الدموية والنوم والحركة، ليتم اختباره في 57 مهمة صحة مختلفة، بما في ذلك تحديد ما إذا كان الشخص يعاني من حالات طبية معينة كداء السكري أو أمراض القلب، وتتبّع التغيرات الصحية المؤقتة، وأظهرت النتائج أن نموذج WBM حقق تفوقًا في 39 من 47 نتيجة مقارنة بالدقة الأساسية.

وعند مقارنة نتائج النموذج بنموذج آخر يعتمد فقط على بيانات القلب الخام، لم يكن هناك فائز واضح، لكن عند دمج النموذجين أظهر الباحثون أن دقة التنبؤ والتحليل الصحي كانت أعلى بشكلٍ ملحوظ.

يعتقد الباحثون أن دمج بيانات الاستشعار التقليدية مع البيانات السلوكية يمكن أن يعزز دقة التنبؤ بالحالات الصحية، حيث أشاروا أيضًا إلى أن مقاييس البيانات السلوكية أسهل في الفهم، وأكثر توافقًا مع النتائج الصحية، وأقل تأثرًا بالأخطاء التقنية.

خلاصة الدراسة تشير إلى بعض القيود المهمة، بما في ذلك أن البيانات تم جمعها من مستخدمي ساعة آبل في الولايات المتحدة، مما يعني أنها قد لا تمثل السكان العالميين بشكل كاف، كما أن التكاليف العالية للأجهزة القابلة للارتداء التي تجمع هذه البيانات بدقة يعد عائقًا أمام الوصول إلى الرعاية الصحية الوقائية.