麻省理工用Apple Watch数据开发AI模型预测疾病

2025年，麻省理工学院与Empirical Health研究团队联合发布了一项突破性研究成果，该研究基于约300万“人-天”的Apple Watch数据集，成功开发出名为JETS的自监督基础模型。这一创新模型以Yann LeCun提出的JEPA架构为核心，专门针对不规则多变量时间序列数据进行优化设计，能够从心率、睡眠质量、运动模式等63项生理指标中，精准预测多种潜在的健康风险。研究团队收集了16,522名参与者的长期监测数据，其中仅有15%的样本拥有明确的医疗标注信息。通过采用自监督预训练结合微调的技术路线，JETS模型在高血压和病态窦房结综合征的预测任务中，取得了高达86.8%的AUROC（Area Under the Receiver Operating Characteristic Curve）表现，这一成果充分验证了新型AI架构在疾病预警领域的巨大潜力。研究结果表明，即便面对数据稀疏或存在时间间隔不规律的情况，JETS模型依然能够有效挖掘日常可穿戴设备中蕴含的疾病预警信号，为个性化健康管理提供了强有力的技术支撑。这一发现不仅拓展了可穿戴设备在医疗健康领域的应用边界，也为未来基于智能设备的远程监护系统开辟了新的发展方向。