TeknoLogiz AI – Peneliti Apple, berkolaborasi dengan University of Southern California, mengembangkan model kecerdasan buatan (AI) baru yang memprediksi kesehatan melalui data perilaku. Penelitian ini melanjutkan studi Apple Heart and Movement Study (AHMS) dan bertujuan memahami apakah data perilaku, seperti pola tidur dan jumlah langkah, dapat menjadi penentu kesehatan yang lebih baik daripada indeks tradisional seperti detak jantung dan kadar oksigen darah. Model AI ini, menurut makalah penelitian, menunjukkan kinerja yang mengejutkan, meskipun dengan beberapa catatan.
Studi yang berjudul "Beyond Sensor Data: Foundation Models of Behavioral Data from Wearables Improve Health Predictions" dipublikasikan di jurnal pra-cetak arXiv dan belum ditinjau oleh rekan sejawat. Para peneliti mengembangkan model AI bernama Wearable Behaviour Model (WBM) yang bergantung pada data perilaku yang diproses dari perangkat yang dapat dikenakan, seperti durasi tidur dan siklus REM, jumlah langkah harian dan gaya berjalan, serta perubahan pola aktivitas sepanjang minggu.
Secara tradisional, penelitian kesehatan yang menggunakan perangkat yang dapat dikenakan berfokus pada pembacaan sensor mentah seperti pemantauan detak jantung terus menerus, kadar oksigen darah, dan suhu tubuh untuk memprediksi atau menilai kesehatan seseorang. Studi ini berpendapat bahwa data ini, meskipun bermanfaat, kurang konteks lengkap tentang individu dan dapat memiliki inkonsistensi.
Data perilaku, yang juga diproses oleh sebagian besar perangkat yang dapat dikenakan, belum digunakan dalam sistem sebagai indikator kesehatan yang andal. Studi ini menyebutkan dua alasan utama: pertama, data ini jauh lebih banyak daripada data sensor dan karenanya lebih bising; kedua, membuat algoritma dan sistem yang dapat mengumpulkan dan menganalisis data ini serta membuat prediksi kesehatan yang andal sangat menantang.
Model bahasa besar (LLM) memecahkan masalah analisis. Untuk mengatasi kebisingan data, peneliti memberi model data yang terstruktur dan diproses dari lebih dari 162.000 pengguna Apple Watch yang berpartisipasi dalam penelitian AHMS, total lebih dari 2,5 miliar jam data yang dapat dikenakan.
Setelah dilatih, model AI menggunakan 27 metrik perilaku berbeda yang dikelompokkan ke dalam kategori seperti aktivitas, kesehatan kardiovaskular, tidur, dan mobilitas. Model tersebut diuji pada 57 tugas terkait kesehatan, seperti mendeteksi kondisi medis tertentu (diabetes atau penyakit jantung) dan melacak perubahan kesehatan sementara (pemulihan dari cedera atau infeksi). Para peneliti mengklaim bahwa WBM melampaui akurasi dasar pada 39 dari 47 hasil.
Temuan dari model tersebut kemudian dibandingkan dengan model uji lain yang hanya diberi data detak jantung mentah, juga dikenal sebagai data fotopletismogram (PPG). Menariknya, ketika dibandingkan secara individual, tidak ada pemenang yang jelas. Namun, ketika peneliti menggabungkan kedua model, akurasi prediksi dan analisis kesehatan lebih tinggi.
Peneliti percaya bahwa menggabungkan data sensor tradisional dengan data perilaku dapat meningkatkan akurasi prediksi kondisi kesehatan. Studi tersebut menyatakan bahwa metrik data perilaku lebih mudah diinterpretasi, lebih selaras dengan hasil kesehatan nyata, dan kurang terpengaruh oleh kesalahan teknis.
Studi ini juga menyoroti beberapa keterbatasan utama. Data diambil dari pengguna Apple Watch di AS, dan populasi global yang lebih luas tidak terwakili. Selain itu, karena tingginya harga perangkat yang dapat dikenakan yang secara akurat mengumpulkan dan menyimpan data perilaku, aksesibilitas perawatan kesehatan preventif juga menjadi tantangan.
