麻省理工學院與Empirical Health的研究團隊近日取得一項突破性進展，他們基于300萬“人-天”的Apple Watch健康數(shù)據(jù)，開發(fā)出一種新型自監(jiān)督學習模型，在疾病預測領(lǐng)域展現(xiàn)出顯著優(yōu)勢。這項研究通過創(chuàng)新的數(shù)據(jù)處理方式，成功解決了可穿戴設(shè)備數(shù)據(jù)不完整、不規(guī)則的難題，為健康監(jiān)測技術(shù)開辟了新方向。

研究核心基于meta前首席AI科學家Yann LeCun提出的“聯(lián)合嵌入預測架構(gòu)”（JEPA）。該架構(gòu)突破傳統(tǒng)AI系統(tǒng)直接重建缺失數(shù)據(jù)的模式，轉(zhuǎn)而訓練模型從上下文推斷缺失部分的語義表征。例如在圖像處理中，系統(tǒng)不會嘗試還原被遮蔽區(qū)域的原始像素，而是通過可見部分推斷其抽象特征。這種思路被研究團隊創(chuàng)新性地應(yīng)用于健康數(shù)據(jù)領(lǐng)域，特別是處理心率、睡眠時長等存在大量缺失的時間序列指標。

研究團隊構(gòu)建的縱向數(shù)據(jù)集涵蓋16,522名參與者，累計記錄約300萬“人-天”的生理數(shù)據(jù)。每位參與者每日記錄63項指標，覆蓋心血管、呼吸、睡眠、運動等五大健康維度。值得注意的是，僅15%的參與者擁有完整醫(yī)療標注記錄，傳統(tǒng)監(jiān)督學習框架下85%的數(shù)據(jù)難以利用。研究團隊通過自監(jiān)督預訓練策略，先讓模型在無標注數(shù)據(jù)中學習通用特征，再針對特定疾病在少量標注數(shù)據(jù)上進行微調(diào)。

在數(shù)據(jù)處理環(huán)節(jié)，研究人員將每條觀測記錄轉(zhuǎn)化為包含日期、數(shù)值、指標類型的“三元組”，進而編碼為可學習的“token”。通過隨機掩碼部分token，模型需要預測被遮擋片段的嵌入表示。這種訓練方式使模型能夠捕捉數(shù)據(jù)中的潛在模式，即使面對極端不平衡的記錄頻率——某些指標僅0.4%的記錄時間出現(xiàn)，而另一些指標存在于99%的日常讀數(shù)中。

實驗結(jié)果顯示，新型模型在多項疾病預測任務(wù)中表現(xiàn)優(yōu)異：高血壓預測的AUROC指標達到86.8%，慢性疲勞綜合征為81%，病態(tài)竇房結(jié)綜合征同樣取得86.8%的成績。雖然房撲預測的70.5%略低于部分基線模型，但整體性能優(yōu)勢明顯。研究特別指出，AUROC和AUPRC指標反映的是模型對病例的排序能力，而非傳統(tǒng)意義上的預測準確率。

這項成果的重要價值在于證明了日?？纱┐髟O(shè)備的潛在價值。盡管Apple Watch等設(shè)備存在佩戴時間不固定、數(shù)據(jù)記錄不連續(xù)等問題，但通過創(chuàng)新的模型架構(gòu)和訓練策略，仍能從海量數(shù)據(jù)中提取有效健康信號。研究團隊開發(fā)的JETS模型不僅為疾病早期預警提供了新工具，更展示了如何最大化利用不完整健康數(shù)據(jù)的可能性，為智能健康監(jiān)測領(lǐng)域樹立了新的技術(shù)標桿。