Pe baza a 3 milioane de zile de date Apple Watch, modelul IA JETS pe JEPA detectează riscuri de sănătate precum hipertensiune, depășind algoritmii clasici.
© A. Krivonosov
Pornind de la trei milioane de zile de date colectate cu Apple Watch, cercetători de la MIT și Empirical Health au construit un model de inteligență artificială capabil să semnaleze afecțiuni cu o încredere remarcabilă. Sistemul se sprijină pe arhitectura JEPA, propusă de Yann LeCun, care antrenează rețelele neuronale să deducă sensul informațiilor lipsă, nu să umple mecanic spațiile goale. Pentru semnalele fragmentate și intermitente, tipice purtabilelor, abordarea pare o potrivire firească.
Echipa a analizat înregistrări de la 16.522 de participanți, colectate de-a lungul mai multor ani, urmărind 63 de tipuri de indicatori legați de funcția cardiacă, respirație, somn, activitate și semnale generale de sănătate. Doar 15% dintre persoane aveau diagnostice medicale, însă modelul — numit JETS — a învățat din întregul set de date și a fost apoi ajustat fin pe porțiunea etichetată. Strategia îi permite sistemului să prindă tipare din viața de zi cu zi, nu doar din cazuri clinice.
Pentru a adapta JEPA la date de tip serie temporală, cercetătorii au transformat fiecare observație într-un token, au aplicat mascări și au antrenat modelul să prezică reprezentări ascunse. După antrenare, au comparat JETS cu mai multe arhitecturi de bază solide — iar rezultatele s-au desprins clar. Modelul a atins un AUROC de 86.8% pentru hipertensiune, 81% pentru sindromul de oboseală cronică și 86.8% pentru disfuncția nodului sinusal.
Deși AUROC nu este o acuratețe propriu-zisă, ci o măsură a cât de bine separă un model cazurile probabile de cele improbabile, avantajul lui JETS față de algoritmii clasici este evident. Autorii subliniază că dispozitivele purtabile au încă un potențial uriaș nevalorificat în medicină și că arhitecturile mai noi pot extrage valoare chiar și din date considerate cândva prea fragmentare sau neregulate. E un semnal că, mai mult decât colectarea perfectă, contează interpretarea inteligentă a ceea ce avem deja.
Pe scurt, studiul sugerează că dispozitivele de zi cu zi, precum Apple Watch, pot deveni un sistem de avertizare timpurie puternic — cu condiția ca modelele să fie antrenate corect, nu să ceară intrări imaculate, ci să învețe să citească lumea prin semnale incomplete. Ideea are și un aer pragmatic: să valorifici ce există, nu ceea ce ar fi ideal.