Giyilebilir teknolojilerin sıhhat alanındaki tesirleri üstüne meydana getirilen araştırmalar her geçen gün artıyor. Apple’ın desteklediği yeni bir çalışmada, Apple Watch’tan elde edilmiş davranışsal veriler kullanılarak geliştirilen suni zekâ modeli, sıhhat durumlarının tespitinde dikkat çekici sonuçlar verdi. Modelin bilhassa hamilelik şeklinde geçici sıhhat durumlarını yüksek doğrulukla saptayabildiği açıklandı.
Apple’ın destek verdiği yeni bir araştırma, günlük hareketlerimizden, uykumuza ve egzersiz alışkanlıklarımıza kadar pek oldukça davranışın sağlıkla ilgili mühim ipuçları taşıyabileceğini ortaya koydu. Apple Watch ve iPhone üstünden toplanan verilerle eğitilen suni zekâ modeli, bazı sıhhat 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 üstüne kuruldu. Wearable Behavior Model (WBM) olarak adlandırılan sistem, adım sayısı, adım atma dengesi, hareketlilik ve uyku süresi şeklinde davranışsal ölçümlerden öğrenerek sıhhat durumu tahmininde bulunuyor.
Hamileliği %92 doğrulukla tespit edebilen hibrit sıhhat modeli
Bu yeni model, geleneksel olarak kalp atış hızı ya da kandaki oksijen seviyesi şeklinde anlık sensör verilerine dayanan modellerin aksine, haftalık bloklara ayrılmış davranışsal veriler üstünden çalışıyor. Modelin temel almış olduğu bu veriler, ham sensör bilgilerinden türetilen ve insanoğlu tarafınca yorumlanabilir şekilde hazırlanmış ölçümlerden oluşuyor. Böylece sistem, uzun vadeli sıhhat eğilimlerini soruşturma mevzusunda daha istikrarlı bir yapı sunuyor.
WBM modeli 57 değişik sıhhat tahmininde kontrol edildi. Bu testlerde durağan(durgun) sıhhat durumlarıyla ilgili 47 görevden 18’inde, geleneksel kalp atış verisiyle çalışan modele kıyasla daha başarı göstermiş oldu. Dinamik sıhhat durumlarında ise (mesela uyku kalitesi, solunum enfeksiyonları, hamilelik şeklinde) neredeyse tüm görevlerde üstün performans sergiledi. En iyi netice 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 beraber kullanıldığında, sıhhat durumlarındaki değişikliklerin daha erken ve doğru tespit edilebileceği belirtiliyor.
a
