先了解这件事
AI 综述
Google Research提出一套研究性机器学习框架,将可穿戴设备的被动信号转化为可干预的“可教练健康年龄”(CHA),并用动作条件世界模型SensorWM模拟个性化12周习惯改变后的健康轨迹。该框架的SensorWM基于约10万名Fitbit用户、228万人周的去标识数据预训练,可预测20项生理指标在12周内的变化。在5名生活方式教练和5名医生的盲评中,基于反事实模拟的教练方案在71.4%的评估中被评为最佳方案,医生判定99.2%的方案处于安全运动强度内。该框架还可结合胆固醇与HDL比值、eGFR、HOMA-IR三项常规血液指标,扩展到心-肾-代谢(CKM)多器官健康评估。目前尚无后续进展。
AI 根据公开报道生成
最新进展 · 正式报道
Google Research 用可穿戴数据构建可干预健康年龄与 12 周习惯模拟框架事件进展
1 个已确认进展
- 来源:Google Research
报道与讨论时间线
按时间查看正式报道与传播讨论;两类内容的证据等级保持独立。
11月12日
Google Research一手
Google Research 用可穿戴数据构建可干预健康年龄与 12 周习惯模拟框架
Google Research 提出一套研究性机器学习框架,把可穿戴设备的被动信号转化为可干预的“可教练健康年龄”(CHA),并用动作条件世界模型 SensorWM 模拟个性化 12 周习惯改变后的健康轨迹。SensorWM 基于约 10 万名 Fitbit 用户、228 万人周的去标识数据预训练,可预测 20 项生理指标在 12 周内的变化;在 5 名生活方式教练和 5 名医生的盲评中,基于反事实模拟的教练方案在 71.4% 的评估中被评为最佳方案,医生判定 99.2% 的方案处于安全运动强度内。该框架还可结合胆固醇与 HDL 比值、eGFR、HOMA-IR 三项常规血液指标,扩展到心-肾-代谢(CKM)多器官健康评估。