며칠 전, 우리는 Apple이 언젠가 어떻게 AirPods의 뇌파 센서를 사용하여 수면의 질을 측정하고 심지어 발작까지 감지할 수 있을지 살펴보았습니다.
오늘 새로운 논문은 회사가 AI의 도움으로 심장 건강에 대한 더 깊은 통찰력을 탐구하는 방법을 보여줍니다. 자세한 내용은 다음과 같습니다.
약간의 맥락
watchOS 26을 통해 Apple은 Apple Watch에 고혈압 알림을 도입했습니다.
회사에서는 다음과 같이 설명합니다.
Apple Watch의 고혈압 알림은 광학 심장 센서의 데이터를 사용하여 사용자의 혈관이 심장 박동에 어떻게 반응하는지 분석합니다. 이 알고리즘은 백그라운드에서 수동적으로 작동하여 30일 동안의 데이터를 검사하고 지속적인 고혈압 징후가 감지되면 사용자에게 경고합니다.
이 기능은 의료급 진단 도구와는 거리가 멀고, Apple은 “고혈압 알림이 모든 고혈압 사례를 감지하지는 못한다”는 점을 처음으로 인정했지만, 이 기능을 통해 “1년 이내에 진단되지 않은 고혈압 환자 100만 명 이상에게 알림을 보낼 수 있을 것”이라고 주장했습니다.
이 기능의 중요한 측면은 즉각적인 측정이 아니라 30일 동안의 데이터를 기반으로 한다는 점입니다. 즉, 알고리즘이 실시간 혈류역학 판독값을 생성하거나 특정 심혈관 매개변수를 추정하는 대신 추세를 분석한다는 의미입니다.
그리고 이것이 바로 이 새로운 Apple 연구가 시작되는 곳입니다.
광학 센서에서 더 많은 데이터 얻기
처음부터 명확히 해야 할 중요한 한 가지는 다음과 같습니다. 그건 소용없어 본 연구에서는 Apple Watch에 대한 언급이 없으며, 존재하는 제품도 없습니다. 어느 곧 출시될 제품이나 기능에 대한 주장.
Apple의 기계 학습 연구 블로그에 게시된 대부분의(전부는 아니지만) 연구와 마찬가지로 이 연구는 기본 연구와 기술 자체에 중점을 둡니다.
심혈관 매개변수의 비침습적 모니터링을 위한 광혈류측정의 하이브리드 모델링이라는 제목의 이 특정 기사에서 Apple은 “혈역학 시뮬레이션과 라벨이 지정되지 않은 임상 데이터를 사용하여 PPG 신호에서 직접 심혈관 바이오마커를 추정하는 하이브리드 접근 방식”을 제안합니다.
즉, 연구자들은 다음과 같은 사실을 입증합니다. 가능한 Apple Watch에 사용된 것과 동일한 광학 감지 방식인 광용적맥파계(PPG)라고도 하는 간단한 손가락 맥박 센서를 사용하여 더 깊은 심장 측정값을 추정합니다(신호 특성은 다르지만).
Apple 연구진은 라벨이 붙은 시뮬레이션 혈압(APW) 파형의 대규모 데이터 세트와 실제 동시 APW 및 PPG 측정 데이터 세트를 획득했습니다.
그런 다음 PPG 데이터를 동시에 발생하는 APW에 매핑하는 방법을 배우기 위해 생성 모델을 본질적으로 훈련했습니다.
이를 통해 간단히 말해서 연구 목적에 맞는 충분한 정확도로 PPG 측정에서 APW 데이터를 추론할 수 있었습니다.
그 후, 그들은 이렇게 해석된 APW를 두 번째 모델에 입력했습니다. 이 모델은 이 데이터에서 박출량, 심박출량과 같은 심장 바이오마커를 추론하도록 훈련되었습니다.
그들은 박출량, 심박출량 및 기타 측정에 대해 알려진 심혈관 매개변수 값과 결합된 시뮬레이션된 APW 데이터를 사용하여 이 두 번째 모델을 훈련함으로써 이를 달성했습니다.
마지막으로, 각 PPG 세그먼트에 대해 여러 개의 그럴듯한 APW 파형을 생성하고, 각각에 대해 해당 심혈관 매개변수를 추론하고, 이러한 결과를 평균화하여 최종 추정치와 불확실성 측정값을 생성했습니다.
결과
전체 훈련 과정과 모델 파이프라인이 마련되자 그들은 “심혈관 바이오마커로 라벨이 붙은 비심장 수술을 받는 128명의 환자로부터 얻은 APW 및 PPG 신호를 포함하는” 완전히 새로운 데이터세트를 선택했습니다.
파이프라인을 통해 이 데이터를 실행한 후 그들은 박출량과 심박출량의 추세를 정확하게 추적했지만 정확한 절대값은 추적하지 못했다는 사실을 발견했습니다.
그러나 그들의 방법은 기존 기술보다 성능이 뛰어나 AI 지원 모델링이 간단한 광학 센서에서 더 의미 있는 심장 정보를 추출할 수 있음을 보여주었습니다.
연구자들의 결론은 다음과 같습니다.
이 연구에서는 생체 내 PPG 신호로부터 심혈관 매개변수를 추론하기 위해 하이브리드 모델링 접근 방식을 사용합니다. 제한된 수의 레이블이 지정된 데이터로 인해 어려움을 겪는 순전히 데이터 기반 접근 방식과 비교할 때, 우리의 방법은 시뮬레이션을 통합하고 침입적이고 비용이 많이 드는 주석의 필요성을 피함으로써 유망한 결과를 달성합니다. 심혈관 모델링을 위한 기존의 다른 하이브리드 접근 방식은 신경망 내의 구조적 제약으로 물리적 특성을 통합하거나 데이터 기반 구성 요소로 기존 생리학적 모델을 강화하는 반면, 우리의 방법은 SBI를 통해 물리적 지식을 모델에 통합합니다. (…) 우리의 결과는 심장 바이오마커를 예측하기 위한 PPG 신호의 유익한 특성을 특성화하는 데 기여하며 우리의 실험에서 고려한 것 이상으로 확장될 수 있습니다. 우리의 결과는 시간적 추세를 모니터링하는 데 유망하지만 복잡한 바이오마커의 절대 가치를 예측하는 것은 여전히 어려운 과제이며 향후 작업의 핵심 방향입니다. 향후 작업에서는 PPG에서 APW로의 매핑을 위한 대체 생성 접근 방식을 탐색하거나 다양한 아키텍처 선택을 조사할 수도 있습니다. 마지막으로, 여기서 손가락 PPG에 사용된 것과 유사한 학습 전략은 웨어러블 PPG를 포함한 다른 양식으로 확장될 수 있으며 심장 바이오마커에 대한 수동적이고 장기적인 모니터링의 문을 열 수 있습니다.
Apple이 이러한 기능을 Apple Watch에 통합할지 알 수는 없지만, 회사 연구원들이 이미 사용 중인 센서에서 훨씬 더 의미 있고 잠재적으로 생명을 구할 수 있는 데이터를 추출하는 새로운 방법을 찾고 있다는 점은 고무적입니다.
arXiv에서 전체 연구를 찾을 수 있습니다.
Amazon에서 좋은 Apple 거래
FTC: 우리는 자동 수익 창출 제휴 링크를 사용합니다. 더.
