(SeaPRwire) – Dekada ang nakalipas, ang ideya ng pag-track ng iyong mga hakbang o pagtibok ng puso ay kakaiba. Ang mga nakatuon sa pag-pursige ng pagkakilala sa sarili ay naglilinaw sa mga , habang ang mga mamamahayag ay at sa bagong kakaibang trend. Ngayon, higit sa 40% ng mga sambahayan sa U.S. ay may ari ng isang wearable na device, ayon sa serbisyo ng statistics na Statista. Hindi bihira na marinig ang mga retiradong naghahambing o nagmamalaki tungkol sa kanilang bilang ng hakbang para sa araw. Ang ay lumalakas.
Ngayon, habang patuloy na umaasenso ang artificial intelligence, naghahanap ang mga mananaliksik at teknolohista ng mga paraan upang gawin ang susunod na hakbang—upang lumikha ng AI health coaches na sisita sa health data at sasabihin sa mga user kung paano manatiling fit ang kanilang katawan.
Ang tagumpay ng quantified self
May maraming ebidensya upang ipahiwatig na nagbibigay ng kahit na ilang benepisyo ang mga wearables. Isang noong 2022 ang nakahanap na, sa higit sa 160,000 na nagparticipa sa lahat ng mga pag-aaral na kasama, ang mga taong nakatalaga upang magsuot ng activity trackers ay tumanggap ng humigit-kumulang 1,800 na karagdagang hakbang bawat araw, na nakatulong sa pagbaba ng timbang na humigit-kumulang dalawang libra.
Nagbabago ang mga wearables sa pag-uugali sa ilang paraan—sa pamamagitan ng pagpapayo sa mga user na magtakda ng mga layunin, pagpayag sa kanila upang i-monitor ang mga bagay na kanilang pinahahalagahan, sa pamamagitan ng pagpaalala sa kanila kapag hindi sila nasa landas upang matamo ang kanilang mga layunin—ayon kay Carol Maher, isang propesor ng populasyon at digital na kalusugan sa University of South Australia at isang co-awtor ng pag-aaral.
Madalas na nawawala ang mga epekto na ito sa paglipas ng oras, sabi ni Andrew Beam, isang assistant na propesor sa Kagawaran ng Epidemiology sa Harvard T.H. Chan School of Public Health, na nagsasaliksik tungkol sa medical artificial intelligence.
Sa pagdedetekta ng tumpak ng mga sukatan na pinahahalagahan natin mula sa mga input ng signal—pagtukoy ng bilang ng hakbang mula sa isang wrist-worn na accelerometer, halimbawa—kinakailangan ang AI, ngunit isang banal, hindi sexy na uri, ayon kay Shwetak Patel, propesor sa computer science at engineering sa University of Washington at direktor ng health technologies sa Google. Ngunit idinagdag niya, may marami pang maaaring gawin na: “Ang AI ay maaaring palawakin ang kakayahan ng sensor na gawin ang mga bagay na maaaring hindi natin naisip na posible.” Kabilang dito ang mga tampok na available na sa popular na wearable na mga device, tulad ng fall detection at blood oxygen detection. Ang ilang mananaliksik ay nagtatangkang gamitin ang kahit na basic na health data na ibinibigay ng mga wearables upang , , bagaman hindi sa parehong antas ng accuracy bilang sa mga gamit sa clinical na setting.
Hanggang ngayon, ang AI ay naglalaro lamang ng suportang papel sa pagtaas ng quantified self. Inaasahan ng mga mananaliksik na gamitin ang mga pag-unlad sa kamakailang panahon upang ilagay ang AI sa sentro ng entablado.
Ang darating na AI health coaches
Kamakailan lamang ay nakipagtulungan si Patel sa isang kung saan inilagay ng mga mananaliksik ang data mula sa mga wearables sa large language models, tulad ng serye ng OpenAI GPT, at pinag-output ng mga modelo ang pagrereasoning tungkol sa data na maaaring kapaki-pakinabang para sa mga klinisyan na naghahanap ng pagbuo ng mental health diagnoses. Halimbawa, kung ang data ng pagtulog ng isang studyante ay hindi regular, ipapahayag ng sistema ng AI ito at pagkatapos ay babanggitin na ang hindi regular na pattern ng pagtulog “ay maaaring indikador ng iba’t ibang isyu, kabilang ang stress, anxiety, o iba pang disorders.”
Ang susunod na henerasyon ng mga modelo ng AI ay maaaring magreason, ayon kay Patel, at ito ang nangangahulugan na maaari silang gamitin para sa personalized na health coaching. (Iminungkahi ng iba pang mananaliksik na hindi pa malinaw kung ang mga malalaking language models ay maaaring magreason). “Iba ang sabihin na, ‘Ang iyong average na pagtibok ng puso ay 70 beats kada minuto,'” aniya. “Ngunit ang pinag-uusapan natin ay kung paano i-interpret iyon. Ang uri ng modeling work na ginagawa natin ay—ang modelo ngayon ay nakakaalam kung ano ang ibig sabihin ng 70 beats kada minuto sa iyong konteksto.”
Maaari ring bigyan ng AI na “coaches” ng pag-unawa sa kalusugan ng user sa mas malalim na antas kaysa sa maaaring gawin ng isang tao na coach, ayon kay Patel. Halimbawa, ang isang tao na coach ay maaaring tanungin ka kung paano ka natulog, ngunit ang mga wearables ay maaaring magbigay ng detalyadong, obhektibong data tungkol sa pagtulog.
Tumulong din si Maher sa pagsulat ng isang tungkol sa epektibidad ng mga AI chatbots sa mga gawi sa pamumuhay, na nakahanap na ang mga chatbot na health coaches ay maaaring tumulong sa mga tao upang dumami ang halaga ng pisikal na aktibidad at oras ng pagtulog na kinukuha at pagpapabuti ng kanilang mga diyeta, bagaman mas maliit ang epekto kaysa sa karaniwang matatagpuan para sa mga wearables. Ginawa ang mga pag-aaral na ito gamit ang komparatibong rudimentaryong mga chatbot (nilikha ilang taon na ang nakalipas, malayo bago, halimbawa, ang ChatGPT ng OpenAI) at inaasahan ni Maher na mas epektibo ang mas sophisticated na mga AI health coaches. Binabanggit niya rin, gayunpaman, na may mga hamon pa ring kailangang masolusyunan sa mga malalaking language models tulad ng ChatGPT—tulad ng kalakasan ng mga modelo upang lumikha ng impormasyon.
May mga dahilan upang maging mapag-ingat sa mga chatbot na health coaches, ayon kay Beam. Una, sila ay nakakaranas ng parehong pagbaba sa epektibidad sa paglipas ng oras tulad ng mga wearables. Pangalawa, sa larangan ng kalusugan, kahit na ang mga siyentipikong tao na ibinigay ang mga data tungkol sa isang indibidwal ay hindi pa rin nauunawaan sapat upang magbigay ng personalisadong payo.
Kahit na wala pang ebidensya upang mag-alok ng tumpak na rekomendasyon sa iba’t ibang tao batay sa kanilang health data, maaaring babantayan ng isang AI health coach kung ang isang partikular na aksyon ay tila nakakatulong at ayon dito ay ayusin ang kanyang mga rekomendasyon. Halimbawa, ang data ng pagtibok ng puso sa panahon ng sinasabi nitong ehersisyo ay maaaring gamitin upang ipaabot sa susunod na mga rekomendasyon sa ehersisyo, ayon kay Sandeep Waraich, product management lead para sa wearable devices sa Google.
Wala pang inihayag na plano ang Google upang ilunsad ang isang AI health coach, bagaman sinasabi nitong magbibigay ng AI-powered na mga linaw sa mga user ng FitBit mula sa simula ng 2024, at noong Agosto ay inulat ng New York Times na ang Google DeepMind ay nagtatrabaho sa isang “life adviser” na may kodigong pangalan na Quartz. Naghahanda rin ang Apple na ilunsad ang isang AI health coach na tinatawag na Quartz sa susunod na taon.
Hindi lamang ang malalaking kompanya ng teknolohiya ang nagtutuon ng pansin sa pagkuha ng data mula sa mga wearables at pagbibigay ng continuous, personalized na health coaching. Ang health app na Humanity ay nagsasabing maaaring matukoy ang “biological age” ng isang user na loob ng tatlong taon batay sa pagkilos at data ng pagtibok ng puso. Ang algoritmo ng Humanity ay nilikha gamit ang mula sa , na may 100,000 na nagparticipa na magsuot ng isang wrist-worn na accelerometer sa loob ng isang linggo. Ngunit mas masaya si Michael Geer, co-founder at chief strategy officer sa Humanity, sa posibilidad ng pag-track kung paano nagbabago ang biological age. “Hindi tayo nagtatangkang sabihin na talagang nasa katawan ka ng isang 36-anyos. Ang gusto naming makita ay sa pangkalahatan, tumaas o bumaba ba ito sa paglipas ng oras, at pagkatapos ay iyon ang bumabalik upang malaman kung ano ang mga aksyon ang nagpapagaling o hindi,” aniya.
Ang problema sa pag-track ng mga sukatan tulad ng “biological age” ng Humanity ay wala pang ebidensya na nakakawing sa mga aktuwal na resulta sa kalusugan, tulad ng pagbawas sa kabuuang mortalidad, ayon kay Beam. Ito ay isang problema sa pangkalahatan ng paggamit ng AI sa pangangalagang pangkalusugan, aniya. “Sa pangkalahatan, ang pagiging mapagbantay ang tamang paghahandang dapat. Kahit sa loob ng klinikal na medisina, may lumalaking katawan ng literatura tungkol sa gaano kalayo ang kaalaman ng mga algoritmo ng AI tungkol sa medisina—hindi pa rin natin alam kung paano ito nakakawing sa mga resulta. Pinapahalagahan natin ang mga resulta, pinapahalagahan natin ang pagpapabuti sa kalusugan ng pasyente. At may kakulangan pa rin ng ebidensya para rito sa kasalukuyan.”
Ang artikulo ay ibinigay ng third-party content provider. Walang garantiya o representasyon na ibinigay ng SeaPRwire (https://www.seaprwire.com/) kaugnay nito.
Mga Sektor: Pangunahing Isturya, Balita Araw-araw
Nagde-deliver ang SeaPRwire ng sirkulasyon ng pahayag sa presyo sa real-time para sa mga korporasyon at institusyon, na umabot sa higit sa 6,500 media stores, 86,000 editors at mamamahayag, at 3.5 milyong propesyunal na desktop sa 90 bansa. Sinusuportahan ng SeaPRwire ang pagpapamahagi ng pahayag sa presyo sa Ingles, Korean, Hapon, Arabic, Pinasimpleng Intsik, Tradisyunal na Intsik, Vietnamese, Thai, Indones, Malay, Aleman, Ruso, Pranses, Kastila, Portuges at iba pang mga wika.
