Πριν από λίγες μέρες, εξετάσαμε πώς η Apple θα μπορούσε μια μέρα να χρησιμοποιήσει αισθητήρες εγκεφαλικών κυμάτων στα AirPods για να μετρήσει την ποιότητα του ύπνου και ακόμη και να ανιχνεύσει επιληπτικές κρίσεις.
Τώρα, ένα νέο έγγραφο δείχνει πώς η εταιρεία διερευνά βαθύτερες γνώσεις για την καρδιακή υγεία με τη βοήθεια της τεχνητής νοημοσύνης. Εδώ είναι οι λεπτομέρειες.
Λίγο πλαίσιο
Με το watchOS 26, η Apple παρουσίασε τις ειδοποιήσεις υπέρτασης στο Apple Watch.
Ως εταιρεία το εξηγεί:
Οι ειδοποιήσεις υπέρτασης στο Apple Watch χρησιμοποιούν δεδομένα από τον οπτικό αισθητήρα καρδιάς για να αναλύσουν τον τρόπο με τον οποίο τα αιμοφόρα αγγεία ενός χρήστη ανταποκρίνονται στους παλμούς της καρδιάς. Ο αλγόριθμος λειτουργεί παθητικά στο παρασκήνιο εξετάζοντας δεδομένα σε περιόδους 30 ημερών και θα ειδοποιεί τους χρήστες εάν εντοπίσει σταθερά σημάδια υπέρτασης.
Αν και αυτή η δυνατότητα απέχει πολύ από ένα εργαλείο διάγνωσης ιατρικής ποιότητας και η Apple είναι η πρώτη που αναγνωρίζει ότι «οι ειδοποιήσεις υπέρτασης δεν θα ανιχνεύουν όλες τις περιπτώσεις υπέρτασης», η εταιρεία ισχυρίζεται επίσης ότι η λειτουργία αναμένεται «να ειδοποιήσει πάνω από 1 εκατομμύριο άτομα με αδιάγνωστη υπέρταση μέσα στον πρώτο χρόνο».
Μια σημαντική πτυχή αυτού του χαρακτηριστικού είναι ότι δεν βασίζεται σε στιγμιαίες μετρήσεις, αλλά σε δεδομένα για περιόδους 30 ημερών, πράγμα που σημαίνει ότι οι αλγόριθμοί του αναλύουν τις τάσεις, αντί να παράγουν αιμοδυναμικές μετρήσεις σε πραγματικό χρόνο ή να εκτιμούν συγκεκριμένες καρδιαγγειακές παραμέτρους.
Και εδώ ακριβώς έρχεται αυτή η νέα μελέτη της Apple.
Λήψη περισσότερων δεδομένων από τον οπτικό αισθητήρα
Ένα πράγμα που είναι σημαντικό να ξεκαθαρίσουμε από την αρχή: στο κανένα νόημα σε αυτή τη μελέτη αναφέρεται το Apple Watch, ούτε υπάρχουν κάθε αξιώσεις σχετικά με επερχόμενα προϊόντα ή χαρακτηριστικά.
Αυτή η μελέτη, όπως και οι περισσότερες (αν όχι όλες) μελέτες που προέρχονται από την Apple Ιστολόγιο έρευνας μηχανικής μάθησηςεπικεντρώνεται στη θεμελιώδη έρευνα και στην ίδια την τεχνολογία.
Στο συγκεκριμένο έγγραφο, που ονομάζεται Υβριδική Μοντελοποίηση Φωτοπληθυσμογραφίας για Μη Επεμβατική Παρακολούθηση Καρδιαγγειακών Παραμέτρωνη Apple προτείνει «μια υβριδική προσέγγιση που χρησιμοποιεί αιμοδυναμικές προσομοιώσεις και μη επισημασμένα κλινικά δεδομένα για την εκτίμηση των καρδιαγγειακών βιοδεικτών απευθείας από τα σήματα PPG».
Με άλλα λόγια, οι ερευνητές αποδεικνύουν ότι είναι δυνατός για την εκτίμηση βαθύτερων καρδιακών μετρήσεων χρησιμοποιώντας έναν απλό αισθητήρα παλμών δακτύλου, γνωστό και ως φωτοπληθυσμογράφο (PPG), τον ίδιο τρόπο οπτικής ανίχνευσης που χρησιμοποιείται στο Apple Watch (αν και με διαφορετικά χαρακτηριστικά σήματος).
Αυτό που έκαναν οι ερευνητές της Apple ήταν να λάβουν ένα μεγάλο σύνολο δεδομένων με ετικέτες προσομοιωμένων κυματομορφών αρτηριακής πίεσης (APW) και ένα σύνολο δεδομένων ταυτόχρονων μετρήσεων APW και PPG πραγματικού κόσμου.
Στη συνέχεια, ουσιαστικά εκπαίδευσαν ένα μοντέλο παραγωγής για να μάθουν πώς να χαρτογραφούν τα δεδομένα PPG στο APW που συμβαίνουν ταυτόχρονα.
Αυτό τους επέτρεψε, με λίγα λόγια, να συνάγουν δεδομένα APW από μετρήσεις PPG με επαρκή ακρίβεια για τους σκοπούς της μελέτης.
Μετά από αυτό, τροφοδότησαν τα ερμηνευμένα APW σε ένα δεύτερο μοντέλο, το οποίο εκπαιδεύτηκε να συνάγει καρδιακούς βιοδείκτες, όπως τον όγκο του εγκεφαλικού επεισοδίου και την καρδιακή παροχή, από αυτά τα δεδομένα.
Αυτό το πέτυχαν εκπαιδεύοντας αυτό το δεύτερο μοντέλο με προσομοιωμένα δεδομένα APW, σε συνδυασμό με γνωστές τιμές καρδιαγγειακών παραμέτρων για τον όγκο του εγκεφαλικού επεισοδίου, την καρδιακή παροχή και άλλες μετρήσεις.
Τέλος, δημιούργησαν πολλαπλές εύλογες κυματομορφές APW για κάθε τμήμα PPG, συνήγαγαν τις αντίστοιχες καρδιαγγειακές παραμέτρους για κάθε ένα και υπολόγισαν τον μέσο όρο αυτών των αποτελεσμάτων για να παράγουν μια τελική εκτίμηση μαζί με ένα μέτρο αβεβαιότητας.
Τα αποτελέσματα
Μόλις τέθηκε σε εφαρμογή ολόκληρη η εκπαιδευτική διαδικασία και η γραμμή μοντέλων, επέλεξαν ένα εντελώς νέο σύνολο δεδομένων «που περιλαμβάνει σήματα APW και PPG από 128 ασθενείς που υποβλήθηκαν σε μη καρδιοχειρουργική επέμβαση, επισημασμένα με καρδιαγγειακούς βιοδείκτες».
Αφού διεξήγαγαν αυτά τα δεδομένα μέσω του αγωγού, είδαν ότι παρακολουθούσε με ακρίβεια τον όγκο του εγκεφαλικού επεισοδίου και τις τάσεις της καρδιακής παροχής, αν και όχι τις ακριβείς απόλυτες τιμές τους.
Ωστόσο, η μέθοδός τους ξεπέρασε τις συμβατικές τεχνικές, δείχνοντας ότι η μοντελοποίηση με τη βοήθεια τεχνητής νοημοσύνης μπορεί να εξαγάγει πιο ουσιαστικές γνώσεις καρδιάς από έναν απλό οπτικό αισθητήρα.
Ακολουθεί το συμπέρασμα των ερευνητών με δικά τους λόγια:
Σε αυτή την εργασία χρησιμοποιούμε μια προσέγγιση υβριδικής μοντελοποίησης για να συμπεράνουμε καρδιαγγειακές παραμέτρους από σήματα PPG in vivo. Σε σύγκριση με καθαρά βασισμένες σε δεδομένα προσεγγίσεις που δυσκολεύονται λόγω περιορισμένων δεδομένων με ετικέτα, η μέθοδός μας επιτυγχάνει πολλά υποσχόμενα αποτελέσματα ενσωματώνοντας προσομοιώσεις και παρακάμπτοντας την ανάγκη για επεμβατικές και δαπανηρές σχολιασμούς. Ενώ άλλες υπάρχουσες υβριδικές προσεγγίσεις για καρδιαγγειακή μοντελοποίηση είτε ενσωματώνουν φυσικές ιδιότητες ως δομικούς περιορισμούς στα νευρωνικά δίκτυα είτε αυξάνουν τα παραδοσιακά φυσιολογικά μοντέλα με στοιχεία που βασίζονται σε δεδομένα, η μέθοδός μας ενσωματώνει φυσική γνώση στο μοντέλο μέσω του SBI. (…) Τα αποτελέσματά μας συμβάλλουν στον χαρακτηρισμό της κατατοπιστικής ικανότητας των σημάτων PPG για την πρόβλεψη καρδιακών βιοδεικτών και θα μπορούσαν να επεκταθούν πέρα από αυτά που εξετάστηκαν στα πειράματά μας. Ενώ τα αποτελέσματά μας είναι πολλά υποσχόμενα για την παρακολούθηση των χρονικών τάσεων, η πρόβλεψη απόλυτης τιμής σύνθετων βιοδεικτών παραμένει πρόκληση και αποτελεί βασική κατεύθυνση για μελλοντική εργασία. Η μελλοντική εργασία μπορεί επίσης να διερευνήσει εναλλακτικές προσεγγίσεις παραγωγής για τη χαρτογράφηση PPG-to-APW ή να διερευνήσει διαφορετικές αρχιτεκτονικές επιλογές. Τέλος, μια παρόμοια στρατηγική εκμάθησης με αυτήν που χρησιμοποιείται εδώ για την PPG των δακτύλων θα μπορούσε να επεκταθεί και σε άλλες μεθόδους, συμπεριλαμβανομένης της φορητής PPG, και να ανοίξει την πόρτα στην παθητική και μακροχρόνια παρακολούθηση καρδιακών βιοδεικτών.
Αν και είναι αδύνατο να γνωρίζουμε εάν η Apple θα ενσωματώσει ποτέ αυτές τις δυνατότητες στο Apple Watch, είναι ενθαρρυντικό να βλέπουμε ότι οι ερευνητές της εταιρείας αναζητούν νέους τρόπους για να εξάγουν ακόμη πιο ουσιαστικά και δυνητικά σωτήρια δεδομένα από αισθητήρες που χρησιμοποιούνται ήδη.
Μπορείτε να βρείτε την πλήρη μελέτη στο arXiv.
Μεγάλες προσφορές της Apple στο Amazon
FTC: Χρησιμοποιούμε συνδέσμους θυγατρικών που κερδίζουν αυτόματα εισόδημα. Περισσότερο.
Via: 9to5mac.com
