Ученые научили нейросеть предсказывать диабет, атеросклероз и гипертонию по данным Apple Watch

Американский стартап Cardiogram использовал данные о сердцебиении людей, полученные при помощи умных часов, для обучения DeepHeart - программы, предсказывающей наличие различных заболеваний.

Алгоритм, работающий на основе LSTM-нейросети, может предсказывать диабет с точностью 85%, а апноэ - с точностью в 83%. Препринт статьи доступен на arXiv, а результаты исследования были представлены на конференции по искусственному интеллекту AAAI-2018.

Фитнес-браслеты и умные часы - это гаджеты, которые позволяют пользователям следить за активностью, сном и сердцебиением.

Разработчики из Cardiogram совместно с исследователями из Калифорнийского университета в Сан-Франциско под руководством Марка Плетчера (Mark Pletcher) использовали для обучения нейросети данные более 50 тысяч человеко-недель, полученные от 14 тысяч участников исследования, пользовавшихся фитнес-приложением для Apple Watch.

Участники также предоставили информацию о существующих у них медицинских состояниях: в первую очередь исследователей интересовали диабет, повышенный холестерин, гипертония и сонное апноэ (остановка дыхания).

Часть данных была использована для обучения LSTM-нейросети без учителя: благодаря этому алгоритм научился распознавать вариации в человеческом сердцебиение, не имея при этом достаточно большого для обучения с учителем количества размеченных данных.

Данные о различиях в сердцебиении затем были использованы на тестовой, размеченной выборке - и алгоритм смог успешно определить диабет (84,5 процента), повышенный холестерин (74,4 процента), гипертонию (80,8 процента) и сонное апноэ (82,9 процента).

Несмотря на то, что использование DeepHeart показало свою эффективность, авторы отмечают, что в дальнейшем необходимо учитывать большое количество дополнительных переменных: возраст и пол участников, курение, потребление алкоголя и так далее. В целом, считают ученые, такой метод может применяться для предупреждения появления изученных состояний с использованием фитнес-трекеров и умных часов разных производителей.

Еще одно возможное применение данных с фитнес-трекеров - это мониторинг сна с точностью, близкой к лабораторной. Это удалось сделать исследователям, которые в качестве основного показателя активности во время ночного отдыха использовали данные о положении и движениях рук пользователей.

Фитнес-браслеты Фитнес-трекеры Франция