Compré la Serie 10 Apple Watch el otoño pasado porque soy un corredor y quiero que el portátil rastree todos mis datos de salud mientras entreno y descanso. No se trata solo de mantener pestañas en mis estadísticas de ejecución o tratar de afeitarse unos minutos fuera de mi tiempo de maratón.
Fui con la Serie 10 de Apple Watch más caro en lugar de reemplazar la batería de mi Apple Watch SE porque quería los sensores de salud más avanzados del modelo más nuevo. Estoy en una edad en la que soy más consciente de mi salud, y quiero que herramientas como Apple Watch recolecten tantas métricas de salud como sea posible.
Cuando los síntomas finalmente aparecen, espero que todos los datos de Apple Watch en la aplicación de salud, combinados con herramientas de IA avanzadas, proporcionen advertencias tempranas para que pueda tomar medidas inmediatas. Que los datos a largo plazo también puedan ayudar a los médicos al darles años de historial de salud para revisar.
Hay una pieza faltante en todo esto. Apple Watch recopila una gran cantidad de datos de salud durante la capacitación, el descanso y el sueño. Pero el software program precise WatchOS y el iOS aún no pueden unir todos esos puntos de datos y analizarlos en un solo lugar.
No quiero que el Apple Watch simplemente me diga que mi frecuencia cardíaca es demasiado alta. Quiero ver cómo entrené, qué comí, cómo dormí y luego hacer un juicio más informado. Las condiciones médicas conocidas, los medicamentos y otros factores podrían ayudar a Apple Watch a explicar mejor sus advertencias. Incluso podría atrapar signos tempranos de condiciones de desarrollo antes.
Eso puede parecer una ilusión por ahora, pero Apple ya está trabajando en este tipo de características de IA para iPhone y Apple Watch. La compañía publicó un nuevo estudio que detalla un modelo de IA que interpreta el bienestar basic al analizar una amplia gama de datos de salud en lugar de solo señales individuales de los sensores del reloj.
El modelo AI
El estudio, titulado “Past Sensor Information: Modelos de base de datos de comportamiento de Wearables mejoran las predicciones de salud”, está disponible en este enlace.
Los investigadores de Apple capacitaron un modelo de IA en datos de salud de más de 160,000 usuarios de Apple Watch, llamándolo el Modelo de Fundación de Comportamiento de Salud de Wearable (WBM). El sistema procesó 15 mil millones de horas de datos para que la IA pudiera aprender cómo se ven los patrones saludables y cómo cambian con diferentes condiciones.
Estas son las categorías de datos de comportamiento que los investigadores recopilaron:
- Actividad (8 variables): energía activa (calorías estimadas quemadas), energía basal, recuento de pasos (teléfono y reloj), tiempo de ejercicio, tiempo de pie y vuelos subidos (teléfono y reloj).
- Cardiovascular (4 variables): frecuencia cardíaca en reposo, frecuencia cardíaca de caminata promedio, frecuencia cardíaca y variabilidad de la frecuencia cardíaca. Vitales (3 variables): velocidad respiratoria (solo durante la noche), oxígeno en sangre y temperatura de muñeca (durante la noche).
- Gait / Mobility (8 variables): métricas de caminar (velocidad, longitud de paso, porcentaje de soporte doble, porcentaje de asimetría y puntaje de estabilidad), ascenso de escaleras / velocidad de descenso y recuento de caídas.
- Medidas corporales (2 variables): masa corporal e IMC.
- Health / capacidad funcional cardiovascular (2 variables): VO2Max y distancia de caminata de seis minutos, ambas medidas clínicamente validadas de aptitud y capacidad.
Los investigadores capacitaron al WBM AI en ocho GPU A100 durante 16 horas, luego probaron qué tan bien podría detectar condiciones a largo plazo y cambios de salud de semana a semana.
Lo que encontraron los investigadores
Los científicos de Apple encontraron que WBM supera a los algoritmos que dependen de datos biométricos específicos, como la frecuencia cardíaca, cuando se trata de detectar ciertas condiciones. Esto se debe a que este modelo de IA analiza todos los datos de comportamiento con el tiempo, no solo las lecturas de un sensor.
Por ejemplo, WBM es mejor para analizar el sueño. “Los datos de comportamiento capturan la información de cada hora de la semana, incluidos períodos nocturnos, donde podemos inferir cuánto tiempo alguien estaba dormido por períodos de inactividad (por ejemplo, desde el recuento de pasos, los minutos del ejercicio y la frecuencia cardíaca)”.
El FotoplethySmogram (PPG), que el Apple Watch utiliza para recopilar datos de salud al brillar luz de shade en su piel, solo requiere medidas varias veces al día.
Los investigadores también encontraron que WBM detecta infección o lesión mejor que los algoritmos basados en sensores. Por ejemplo, la marcha y los cambios en la movilidad son buenos indicadores de lesiones.
Según el estudio, WBM supera las lecturas solo de PPG para 18 de 47 enfermedades basales y resultados de medicamentos. El modelo funcionó especialmente bien al predecir el uso de beta bloqueador, un medicamento comúnmente prescrito para las condiciones cardíacas.
Sin embargo, en algunos casos, los datos de PPG solo superaron a WBM, como con la diabetes y ciertos medicamentos como los antidepresivos, donde los datos fisiológicos directos son más reveladores.
La combinación de WBM y PPG ofrece los mejores resultados. Apple Watch podría detectar las condiciones con mayor precisión analizando tanto los datos de comportamiento como las lecturas de sensores, en lugar de depender de una sola fuente.
De hecho, los investigadores encontraron que combinar WBM y PPG es “notablemente desempeñada para la predicción del embarazo”.
¿Veremos estas características de AI de Apple Watch en Apple Intelligence?
El modelo WBM es exactamente el tipo de característica que espero ver pronto en Apple Intelligence. Podría ayudar a mejorar mi bienestar ofreciendo consejos en tiempo actual. Me encantaría el reloj para darme sugerencias de entrenamiento basadas en cómo estoy. Podría hacerme saber que estoy presionando demasiado o no lo suficiente. La IA también podría decirme que tengo un rendimiento inferior porque no dormía bien ni comí adecuadamente.
Al analizar los patrones de comportamiento, la IA podría marcar los primeros signos de problemas de salud. Por ejemplo, podría recomendar un chequeo de cardiología después de notar que estoy subiendo las escaleras más lentamente y mi frecuencia cardíaca en reposo está aumentando. O podría predecir el riesgo de diabetes en función de los cambios en mi dieta, peso y niveles de actividad.
La característica important de WatchOS 11 e iOS 18 ya puede identificar infecciones temprano, pero depende de usted interpretar los datos. Un modelo de IA podría analizarlo por usted y alertarlo antes de que aparezcan los síntomas. Eso podría ayudarlo a dar un salto para tomar medicamentos, hidratar y descansar.
Esto es solo especulación, pero me encantaría ver a Apple llevar el modelo WBM al iPhone, suponiendo que la investigación futura confirme los resultados del estudio.
