Apple entrena una inteligencia artificial que detecta problemas de salud con un 92% de precisión

Apple desarrolló un modelo de IA que analiza datos de comportamiento para anticipar cambios en la salud con notable precisión. El estudio marca un giro en cómo se interpreta la información recogida por dispositivos como el Apple Watch.

¿Puede un reloj inteligente predecir si una persona está embarazada, tiene una infección respiratoria o duerme mal? Según un nuevo estudio respaldado por Apple, la respuesta es sí. Y lo hace gracias a un modelo de inteligencia artificial que no se basa tanto en los sensores tradicionales (como los que miden el pulso), sino en cómo nos movemos, cuánto dormimos, cuánta energía gastamos o qué tan rápido caminamos.

El sistema se llama WBM (Wearable Behavior Model) y fue entrenado con datos de más de 160.000 personas que participaron en el ‘Estudio de Corazón y Movimiento de Apple’ (AHMS por sus siglas en inglés). En total, se analizaron más de 2.500 millones de horas de datos recolectados a través del Apple Watch y el iPhone.

De sensores a comportamiento
Hasta ahora, la mayoría de las tecnologías de monitoreo de salud usaban datos directos de sensores como la frecuencia cardíaca o la oxigenación en sangre. Pero este modelo cambia de enfoque: en lugar de mirar lo que pasa segundo a segundo en el cuerpo, analiza patrones de comportamiento a lo largo del tiempo.

Esto incluye datos como:

• Cantidad de pasos diarios
• Calidad del sueño
• Ritmo de respiración
• Energía activa (calorías quemadas)
• Estabilidad al caminar
• Capacidad cardiovascular estimada (VO₂ máx)

Estos datos ya son generados por el Apple Watch, pero en este caso se procesan con inteligencia artificial (IA) para encontrar patrones relacionados con la salud.

¿Qué tan preciso es?
Según el estudio, el modelo logró una impresionante precisión del 92% en la detección de embarazo. Además, mostró también buenos resultados en tareas como la predicción de la calidad del sueño, la detección de infecciones respiratorias o incluso el estimar si alguien toma ciertos medicamentos, como betabloqueadores.

El modelo fue evaluado en 57 tareas de predicción de salud. Superó a los sistemas tradicionales en 18 de 47 tareas relacionadas con condiciones médicas estables y en casi todas las tareas dinámicas (como cambios temporales en el estado de salud).

El avance no está en los sensores, que ya existen, sino en cómo se interpretan los datos con IA. A diferencia de los datos en bruto, los indicadores de comportamiento son más estables y fáciles de asociar con hábitos o condiciones reales. Eso le da al modelo la capacidad de detectar cambios en la salud con mayor anticipación.

Aunque todavía se trata de un estudio en fase preliminar, el modelo no busca reemplazar los sensores tradicionales, sino complementarlos. La combinación de datos fisiológicos con patrones de comportamiento parece ofrecer una visión más completa y precisa del estado de salud de una persona.

Fuente: Diario RPP