| 2 декабря 2025 г. — 16:27 PT
Несколько дней назад мы рассматривали, как Apple однажды сможет использовать датчики мозговых волн в AirPods для оценки качества сна и даже выявления приступов.
Теперь новая статья показывает, как компания изучает более глубокие аспекты здоровья сердца с помощью ИИ. Вот подробности.
Немного контекста
С выходом watchOS 26 Apple представила уведомления о гипертонии на Apple Watch.
Как объясняет компания:
Уведомления о гипертонии на Apple Watch используют данные оптического датчика сердечного ритма для анализа того, как кровеносные сосуды пользователя реагируют на сокращения сердца. Алгоритм работает пассивно в фоновом режиме, анализируя данные в течение 30-дневных периодов, и уведомляет пользователей, если обнаруживает устойчивые признаки гипертонии.
Хотя эта функция далека от диагностического инструмента медицинского уровня, и Apple первой признает, что «уведомления о гипертонии не выявляют всех случаев гипертонии», компания также утверждает, что эта функция, как ожидается, «уведомит более 1 миллиона человек с недиагностированной гипертонией в течение первого года».
Важным аспектом этой функции является то, что она основана не на мгновенных измерениях, а на данных за 30-дневные периоды, что означает, что ее алгоритмы анализируют тенденции, а не производят гемодинамические показания в реальном времени или оценивают конкретные сердечно-сосудистые параметры.
Именно здесь и возникает это новое исследование Apple.
Получение большего объема данных от оптического датчика
Важно сразу внести ясность: в исследовании Apple Watch ни разу не упоминается, и нет никаких заявлений о будущих продуктах или функциях.
Это исследование, как и большинство (если не все) исследований, публикуемых в блоге Machine Learning Research от Apple, сосредоточено на фундаментальных исследованиях и самой технологии.
В данной статье под названием Гибридное моделирование фотоплетизмографии для неинвазивного мониторинга сердечно-сосудистых параметров Apple предлагает «гибридный подход, который использует гемодинамическое моделирование и неразмеченные клинические данные для оценки сердечно-сосудистых биомаркеров непосредственно из сигналов ФПГ».
Другими словами, исследователи демонстрируют, что возможно оценивать более глубокие сердечные показатели с помощью простого датчика пульса пальца, также известного как фотоплетизмограф (ФПГ), того же оптического сенсорного метода, что используется в Apple Watch (хотя и с другими характеристиками сигнала).
Исследователи Apple получили большой набор данных с размеченными смоделированными формами волн артериального давления (ФСАД) и набор данных одновременных реальных измерений ФСАД и ФПГ.
Затем они, по сути, обучили генеративную модель, чтобы научиться сопоставлять данные ФПГ с одновременно возникающими ФСАД.
Это позволило им, в двух словах, получать данные ФСАД из измерений ФПГ с достаточной точностью для целей исследования.
После этого они подали эти интерпретированные ФСАД во вторую модель, которая была обучена определять сердечно-сосудистые биомаркеры, такие как ударный объем и сердечный выброс, из этих данных.
Они достигли этого, обучив вторую модель на смоделированных данных ФСАД в сочетании с известными значениями сердечно-сосудистых параметров для ударного объема, сердечного выброса и других показателей.
Наконец, они сгенерировали несколько правдоподобных форм волн ФСАД для каждого сегмента ФПГ, определили соответствующие сердечно-сосудистые параметры для каждого из них и усреднили эти результаты, чтобы получить окончательную оценку вместе с мерой неопределенности.
Результаты
После завершения всего процесса обучения и создания конвейера моделей они выбрали совершенно новый набор данных «состоящий из сигналов ФСАД и ФПГ от 128 пациентов, перенесших некардиохирургическую операцию, с маркированными сердечно-сосудистыми биомаркерами».
Пропустив эти данные через конвейер, они увидели, что он точно отслеживает тенденции ударного объема и сердечного выброса, хотя и не их точные абсолютные значения.
Тем не менее, их метод превзошел традиционные методы, показав, что моделирование с помощью ИИ может извлекать более значимые данные о сердце из простого оптического датчика.
Вот вывод исследователей своими словами:
В данной работе мы используем гибридный подход к моделированию для определения сердечно-сосудистых параметров по сигналам ФПГ in vivo. По сравнению с чисто ориентированными на данные подходами, которые испытывают трудности из-за ограниченных размеченных данных, наш метод достигает многообещающих результатов за счет включения моделирования и отказа от необходимости инвазивных и дорогостоящих аннотаций. В то время как другие существующие гибридные подходы к моделированию сердечно-сосудистой системы либо встраивают физические свойства в качестве структурных ограничений в нейронные сети, либо дополняют традиционные физиологические модели компонентами, основанными на данных, наш метод включает физические знания в модель через SBI. (…) Наши результаты способствуют характеристике информативности сигналов ФПГ для прогнозирования сердечных биомаркеров и могут выйти за рамки тех, которые рассматривались в наших экспериментах. Хотя наши результаты многообещающи в мониторинге временных тенденций, прогнозирование абсолютных значений сложных биомаркеров остается сложной задачей и является ключевым направлением для будущей работы. Будущая работа также может исследовать альтернативные генеративные подходы для сопоставления ФПГ с ФСАД или изучить различные архитектурные решения. Наконец, аналогичная стратегия обучения, чем та, что использовалась здесь для пальцевого ФПГ, может быть расширена на другие модальности, включая носимые ФПГ, и открыть двери для пассивного и долгосрочного мониторинга сердечных биомаркеров.
Хотя невозможно знать, будет ли Apple когда-либо внедрять эти функции в Apple Watch, отрадно видеть, что исследователи компании ищут новые способы извлечения еще более значимых и потенциально жизненно важных данных из уже используемых датчиков.
Полное исследование можно найти на arXiv.
Отличные предложения на Apple на Amazon