Giyilebilir teknolojilerin sağlık alanındaki etkileri üzerine yapılan araştırmalar her geçen gün artıyor. Apple’ın desteklediği yeni bir çalışmada, Apple Watch’tan elde edilen davranışsal veriler kullanılarak geliştirilen yapay zekâ modeli, sağlık durumlarının tespitinde dikkat çekici sonuçlar verdi. Modelin özellikle hamilelik gibi geçici sağlık durumlarını yüksek doğrulukla saptayabildiği belirtildi.

Apple’ın destek verdiği yeni bir araştırma, günlük hareketlerimizden, uykumuza ve egzersiz alışkanlıklarımıza kadar pek çok davranışın sağlıkla ilgili önemli ipuçları taşıyabileceğini ortaya koydu. Apple Watch ve iPhone üzerinden toplanan verilerle eğitilen yapay zekâ modeli, bazı sağlık durumlarını geleneksel sensörlerden daha doğru şekilde tahmin etmeyi başardı.

Araştırma, Apple Kalp ve Hareket Araştırması kapsamında yürütüldü. Çalışmada geliştirilen yeni model, 161.855 katılımcıdan toplanan ve toplamda 2.5 milyar saatlik veriye dayanan analizler üzerine kuruldu. Wearable Behavior Model (WBM) olarak adlandırılan sistem, adım sayısı, yürüme dengesi, hareketlilik ve uyku süresi gibi davranışsal ölçümlerden öğrenerek sağlık durumu tahmininde bulunuyor.

Hamileliği %92 doğrulukla tespit edebilen hibrit sağlık modeli

Bu yeni model, geleneksel olarak kalp atış hızı ya da kandaki oksijen seviyesi gibi anlık sensör verilerine dayanan modellerin aksine, haftalık bloklara ayrılmış davranışsal veriler üzerinden çalışıyor. Modelin temel aldığı bu veriler, ham sensör bilgilerinden türetilen ve insanlar tarafından yorumlanabilir şekilde hazırlanmış ölçümlerden oluşuyor. Böylece sistem, uzun vadeli sağlık eğilimlerini yakalama konusunda daha istikrarlı bir yapı sunuyor.

WBM modeli 57 farklı sağlık tahmininde test edildi. Bu testlerde sabit sağlık durumlarıyla ilgili 47 görevden 18’inde, geleneksel kalp atış verisiyle çalışan modele kıyasla daha başarılı oldu. Dinamik sağlık durumlarında ise (örneğin uyku kalitesi, solunum enfeksiyonları, hamilelik gibi) neredeyse tüm görevlerde üstün performans sergiledi. En iyi sonuç ise iki modelin birleştirildiği hibrit sistemde görüldü. Bu sistem, hamilelik tespitinde %92 doğruluk oranına ulaştı.

Araştırma, davranışsal verilerin sensör verilerinin yerine geçmesini değil, tamamlayıcı olarak kullanılmasını öneriyor. Uzun dönemli davranış kalıpları ile kısa süreli fizyolojik veriler birlikte kullanıldığında, sağlık durumlarındaki değişikliklerin daha erken ve doğru tespit edilebileceği belirtiliyor.

a