Die Apple Watch lässt sich als mächtiges Sensorpaket betrachten, welches ständig Vitalwerte überprüft: Temperatur, Atemfrequenz, Puls, 1-Kanal-EKG und (außerhalb der USA) Sauerstoffsättigung werden in regelmäßigen Zeitabständen erfasst. Über den Zeitverlauf fallen dabei so viele Einzeldaten an, dass es kaum möglich ist, eigenständig Trends zu erkennen. Deshalb ist eine automatisierte Auswertung im Hintergrund ein essenzieller Bestandteil von Apple Health. Daten werden langfristig erfasst, gesammelt und Tendenzen erkannt, etwa was die maximale Sauerstoffkonzentration im Blut angeht. Daraus jedoch Schlüsse zu ziehen und Krankheiten oder eine Schwangerschaft frühzeitig zu erkennen, war bisher nicht möglich. Durch die Daten einer umfangreichen Studie konnte Apple nun ein KI-Modell entwickeln, das gesundheitliche Ausnahmezustände mit hoher Wahrscheinlichkeit vorhersagen kann.


Für diesen Zweck kamen Vitalwerte und medizinische Diagnosedaten von 162.000 Menschen zur Anwendung. Auf Basis der darin enthaltenen unaufbereiteten Herzfrequenzdaten (PPG) entstand bereits ein Foundation-Modell. Für diese Veröffentlichung griffen die Forscher auf abgeleitete Vitalwerte aus derselben Datensammlung zu, welche eine Abstraktionsebene höher liegen, unter anderem Schlafdauer, Schrittvarianz und maximale Sauerstoffkonzentration. Auf deren Basis wurde ein Foundation-Modell generiert, welches sie WBM nennen – das Wearable Behavior Model. Anschließend verglichen sie ihr neues WBM mit dem PPG-Modell, was deren Fähigkeit anging, unterschiedliche Sonderzustände vorherzusagen. Dabei handelt es sich um chronische oder akute Erkrankungen wie Gefäßkrankheiten oder Knochenschwund, aber auch um die regelmäßige Einnahme von Medikamenten wie Beta-Blocker oder Schmerzmittel. Das Resultat: In 39 von 47 untersuchten Zuständen sagte das WBM-Modell das Auftreten eines gesundheitlichen Sonderzustands mit höherer Genauigkeit voraus; bei 30 war der Unterschied statistisch signifikant. In seltenen Fällen lag aber das Herzfrequenzmodell vorn, beispielsweise bei der Erkennung von Diabetes.


In Kombination unschlagbar
Das beste Resultat ergab sich deshalb auch, wenn die Fähigkeiten beider KI-Modelle kombiniert wurden. In diesem Fall war die von den Forschern beschriebene Methodik in der Lage, eine Medikamenteneinnahme, Krankheit oder sonstige Veränderung mit hoher Wahrscheinlichkeit vorauszusagen. Am besten gelingt dies derzeit bei einer Schwangerschaft, welche die Kombination beider KI-Analysen mit 92-prozentiger Sicherheit erkannte.