[AI리포터]
[디지털투데이 AI리포터] 애플이 지원하는 최신 연구에 따르면, 웨어러블 기기가 수집하는 행동 데이터가 기존 생체 측정 정보보다 건강 상태를 예측하는 데 더 강력한 도구가 될 수 있다.
14일(현지시간) 온라인 매체 기가진은 나인투파이브맥을 인용해 애플이 행동 데이터 기반 인공지능(AI) 모델을 활용해 건강 상태를 예측하는 연구를 진행 중이라고 전했다. 기존 생체 센서 기반 모델이 심박수, 혈중 산소 농도 등 직접 측정 데이터를 활용했다면, 이번 연구는 운동·수면 등 행동 데이터를 분석해 새로운 방식으로 접근했다.
연구팀은 애플워치와 아이폰에서 수집된 데이터를 활용해 '웨어러블 행동 모델'(WBM)을 개발했다. 이 모델은 걸음 수, 이동성, 수면 시간 등 행동 데이터를 학습해 건강 변화를 감지하며, 기존 생체 센서 기반 모델(예: PPG 모델)과 비교해도 뛰어난 성능을 보였다. 특히, WBM은 건강 예측 정확도를 극대화하며 임신 감지에서 92%의 정확도를 기록했다.
 |
[디지털투데이 AI리포터] 애플이 지원하는 최신 연구에 따르면, 웨어러블 기기가 수집하는 행동 데이터가 기존 생체 측정 정보보다 건강 상태를 예측하는 데 더 강력한 도구가 될 수 있다.
14일(현지시간) 온라인 매체 기가진은 나인투파이브맥을 인용해 애플이 행동 데이터 기반 인공지능(AI) 모델을 활용해 건강 상태를 예측하는 연구를 진행 중이라고 전했다. 기존 생체 센서 기반 모델이 심박수, 혈중 산소 농도 등 직접 측정 데이터를 활용했다면, 이번 연구는 운동·수면 등 행동 데이터를 분석해 새로운 방식으로 접근했다.
연구팀은 애플워치와 아이폰에서 수집된 데이터를 활용해 '웨어러블 행동 모델'(WBM)을 개발했다. 이 모델은 걸음 수, 이동성, 수면 시간 등 행동 데이터를 학습해 건강 변화를 감지하며, 기존 생체 센서 기반 모델(예: PPG 모델)과 비교해도 뛰어난 성능을 보였다. 특히, WBM은 건강 예측 정확도를 극대화하며 임신 감지에서 92%의 정확도를 기록했다.
스마트워치와 피트니스 트래커의 센서 데이터는 노이즈가 많고 방대한 양을 처리해야 하지만, 행동 데이터는 장기적인 건강 패턴을 모델링하는 데 유리하다. WBM은 활동 에너지, 걸음 속도, 심박 변동성, 호흡수, 수면 시간 등 해석 가능한 27가지 행동 지표를 기반으로 학습되며, Mamba-2 아키텍처를 활용해 기존 트랜스포머 모델보다 뛰어난 성능을 발휘한다.
연구 결과, WBM은 47개의 건강 예측 과제 중 18개에서 기존 모델을 능가했으며, 특히 임신, 수면의 질, 호흡기 감염 감지 등에서 우수한 성과를 보였다. WBM과 PPG 모델을 결합한 하이브리드 모델은 건강 예측 정확도를 극대화하며, 심혈관 질환, 감염, 부상 감지에서도 안정적인 개선을 이뤘다.
<저작권자 Copyright ⓒ 디지털투데이 (DigitalToday) 무단전재 및 재배포 금지>
이 기사의 카테고리는 언론사의 분류를 따릅니다.