โมเดล AI ล่าสุดของ Apple ตรวจจับสภาวะสุขภาพได้แม่นยำถึง 92%

Key takeaway

• โมเดล WBM ใหม่ของ Apple สามารถตรวจจับสภาวะสุขภาพได้แม่นยำถึง 92% โดยใช้ข้อมูลพฤติกรรมจากอุปกรณ์สวมใส่มากกว่า 2.5 พันล้านชั่วโมง ซึ่งแสดงให้เห็นว่าข้อมูลพฤติกรรมมีประสิทธิภาพมากกว่าการวัดค่าทางชีวภาพแบบดั้งเดิม
• โมเดลได้รับการฝึกฝนด้วยข้อมูลพฤติกรรมระดับสูง 27 รายการ เช่น จำนวนก้าว การเคลื่อนไหว VO₂ max และอื่นๆ จากผู้ใช้ Apple Watch และ iPhone กว่า 161,855 คน โดยใช้สถาปัตยกรรม Mamba-2 ที่มีประสิทธิภาพสูงกว่า Transformers แบบดั้งเดิม
• การผสมผสานระหว่างข้อมูลจาก WBM และเซ็นเซอร์ PPG ให้ผลลัพธ์ที่แม่นยำที่สุด โดยสามารถตรวจจับการตั้งครรภ์ คุณภาพการนอน การติดเชื้อ และภาวะหัวใจเต้นผิดจังหวะได้อย่างมีประสิทธิภาพ ซึ่งแสดงให้เห็นถึงความสำคัญของการใช้ข้อมูลทั้งสองประเภทร่วมกัน

การศึกษาล่าสุดที่ได้รับการสนับสนุนจาก Apple เผยว่าข้อมูลพฤติกรรม (การเคลื่อนไหว การนอน การออกกำลังกาย ฯลฯ) เป็นตัวบ่งชี้สุขภาพที่มีประสิทธิภาพมากกว่าการวัดค่าทางชีวภาพแบบดั้งเดิม เช่น อัตราการเต้นของหัวใจหรือระดับออกซิเจนในเลือด ทีมวิจัยได้พัฒนา foundation model ที่ผ่านการฝึกฝนด้วยข้อมูลพฤติกรรมจากอุปกรณ์สวมใส่ ซึ่งแสดงผลลัพธ์ที่น่าทึ่ง

งานวิจัยนี้เป็นส่วนหนึ่งของการศึกษา Apple Heart and Movement Study (AHMS) โดยทีมวิจัยได้ฝึกฝนโมเดลใหม่ด้วยข้อมูลจากอุปกรณ์สวมใส่มากกว่า 2.5 พันล้านชั่วโมง ผลปรากฏว่าโมเดลนี้ทำงานได้เทียบเท่าหรือดีกว่าโมเดลเดิมที่พัฒนาจากข้อมูลเซ็นเซอร์พื้นฐาน

โมเดลใหม่นี้มีชื่อว่า WBM (Wearable Behavior Model) ในขณะที่โมเดลสุขภาพรุ่นก่อนหน้าส่วนใหญ่อาศัยข้อมูลดิบจากเซ็นเซอร์ เช่น เซ็นเซอร์วัดอัตราการเต้นของหัวใจ (PPG) หรือเครื่องวัดคลื่นไฟฟ้าหัวใจ (ECG) ของ Apple Watch แต่ WBM เรียนรู้โดยตรงจากข้อมูลพฤติกรรมระดับสูง ได้แก่ จำนวนก้าว ความมั่นคงในการเดิน การเคลื่อนไหว VO₂ max และอื่นๆ ซึ่ง Apple Watch สามารถเก็บข้อมูลเหล่านี้ได้อย่างมากมาย

แม้ว่า Apple Watch จะมีเซ็นเซอร์เหล่านี้อยู่แล้ว แต่จุดประสงค์ของโมเดลใหม่คืออะไร? คำตอบได้ระบุไว้ในการศึกษา:

"อุปกรณ์สวมใส่สำหรับผู้บริโภค เช่น สมาร์ทวอทช์และเครื่องติดตามฟิตเนส ให้ข้อมูลที่หลากหลายเกี่ยวกับสุขภาพในด้านต่างๆ (...) ส่วนสำคัญของการติดตามสุขภาพคือการตรวจจับสถานะสุขภาพแบบคงที่ - เช่น ประวัติการสูบบุหรี่ ประวัติโรคความดันโลหิตสูง หรือการใช้ยา beta-blocker อีกประเด็นสำคัญคือการตรวจจับสถานะสุขภาพชั่วคราว เช่น คุณภาพการนอนหลับหรือการตั้งครรภ์ (...) ข้อมูลพฤติกรรมระดับสูงจากอุปกรณ์สวมใส่ เช่น กิจกรรมทางกาย ความฟิตของระบบหัวใจและหลอดเลือด และค่าการเคลื่อนไหวต่างๆ เป็นประเภทข้อมูลที่เหมาะสมในการช่วยแก้ปัญหาการตรวจจับเหล่านี้"

รายละเอียดทางเทคนิค

WBM ได้รับการฝึกฝนด้วยข้อมูลจาก Apple Watch และ iPhone ของผู้เข้าร่วม 161,855 คนในโครงการ AHMS โมเดลได้รับข้อมูลพฤติกรรมที่มนุษย์สามารถตีความได้ 27 รายการ เช่น พลังงานที่ใช้ไป ความเร็วในการเดิน ความแปรปรวนของอัตราการเต้นของหัวใจ อัตราการหายใจ และระยะเวลาการนอนหลับ

ข้อมูลถูกแบ่งเป็นบล็อกรายสัปดาห์และประมวลผลผ่านสถาปัตยกรรมใหม่ที่พัฒนาบนพื้นฐานของ Mamba-2 ซึ่งทำงานได้ดีกว่า Transformers แบบดั้งเดิม (ที่เป็นพื้นฐานของ GPT) สำหรับกรณีการใช้งานนี้

เมื่อทดสอบใน 57 งานที่เกี่ยวข้องกับสุขภาพ WBM แสดงประสิทธิภาพที่เหนือกว่าโมเดลที่ใช้ PPG ใน 18 จาก 47 งานการทำนายสุขภาพแบบคงที่ (เช่น การใช้ยา beta blockers) และเกือบทุกงานแบบไดนามิก (เช่น การตรวจจับการตั้งครรภ์ คุณภาพการนอน หรือการติดเชื้อทางเดินหายใจ) ยกเว้นโรคเบาหวานที่ PPG ให้ผลลัพธ์ที่ดีกว่า

สิ่งที่น่าสนใจยิ่งกว่าคือ: การผสมผสานข้อมูลจากทั้ง WBM และ PPG ให้ผลลัพธ์ที่แม่นยำที่สุดโดยรวม โมเดลแบบไฮบริดนี้มีความแม่นยำสูงถึง 92% ในการตรวจจับการตั้งครรภ์ และแสดงความก้าวหน้าอย่างชัดเจนในด้านคุณภาพการนอน การติดเชื้อ การบาดเจ็บ และงานที่เกี่ยวข้องกับระบบหัวใจและหลอดเลือด เช่น การตรวจจับภาวะหัวใจเต้นผิดจังหวะ (Afib)

ท้ายที่สุด การศึกษานี้ไม่ได้มีเป้าหมายที่จะแทนที่ข้อมูลเซ็นเซอร์ด้วย WBM แต่เน้นการเสริมประสิทธิภาพซึ่งกันและกัน โมเดลเช่น WBM จับสัญญาณพฤติกรรมในระยะยาว ในขณะที่ PPG จับการเปลี่ยนแปลงทางสรีรวิทยาในระยะสั้น เมื่อทำงานร่วมกัน ทั้งสองระบบสามารถตรวจจับการเปลี่ยนแปลงด้านสุขภาพที่มีนัยสำคัญได้รวดเร็วและแม่นยำยิ่งขึ้น

Why it matters

💡 บทความนี้นำเสนอความก้าวหน้าที่สำคัญในการพัฒนาโมเดล AI ด้านสุขภาพของ Apple ที่สามารถตรวจจับสภาวะสุขภาพได้แม่นยำถึง 92% โดยใช้ข้อมูลพฤติกรรมจากอุปกรณ์สวมใส่ ผู้อ่านจะได้เรียนรู้ถึงนวัตกรรมใหม่ที่จะเปลี่ยนแปลงวงการเทคโนโลยีสุขภาพ และเข้าใจว่าทำไมข้อมูลพฤติกรรมจึงมีความสำคัญมากกว่าการวัดค่าทางชีวภาพแบบดั้งเดิม ซึ่งจะส่งผลต่อการพัฒนาผลิตภัณฑ์ด้านสุขภาพในอนาคต

ข้อมูลอ้างอิงจาก https://9to5mac.com/2025/07/10/study-apple-ai-model-flags-health-conditions-with-up-to-92-accuracy/