近期有研究表明，苹果公司支持研发的一款全新 AI 模型，其训练数据来源于 Apple Watch 所收集的行为数据。与传统依赖传感器的方法相比，该模型在预测各类健康状况时准确率更高。
这项名为《超越传感器数据：可穿戴设备行为数据基础模型改善健康预测》的研究论文，详细介绍了这种机器学习模型。它能够对用户的行为进行分析，进而标记出潜在的健康问题。不同于以往侧重于心率、血氧等实时传感器输出的方式，新模型可以识别人们在运动、睡眠和锻炼等方面随时间变化的模式。
该研究的核心是一个被科研人员称作 “可穿戴设备行为模型（WBM）” 的基础模型。它分析的是 Apple Watch 借助内置算法计算出的高级行为指标，像步数、睡眠时长、心率变异性以及活动能力等。
研究人员发现，相较于仅依据直接生物特征数据构建的模型，这种利用行为数据的方法能让 AI 模型更高效地检测某些健康状况。WBM 在识别静态健康状态（如是否服用 β 受体阻滞剂）和短暂性健康状况（如睡眠质量或呼吸道感染）方面表现优异。而在妊娠检测中，当该模型与传统生物特征数据结合使用时，准确率可达 92%。
为了给该模型收集数据，苹果开展了 “心脏与运动研究”，有超过 16 万名参与者自愿通过 Apple Watch 和 iPhone 共享数据。该基础模型基于超过 25 亿小时的数据进行训练，并在 57 项不同的健康相关预测任务中接受了评估。
