苹果 AI 模型新突破，健康状态识别准确率最高达 92%

研究团队开发了穿戴设备行为模型（WBM），该模型直接学习Apple Watch生成的高阶行为指标，包括步数、步态稳定性、活动能力和最大摄氧量（VO₂ max）等。与传统依赖心率传感器（PPG）或心电图（ECG）的模型不同，WBM通过超过250亿小时的穿戴设备数据训练，在性能上显著超越现有方案[1]。

关键突破体现在混合模型架构：通过结合WBM和PPG数据表征，研究团队实现了多维度健康检测的精准提升。例如在妊娠检测任务中，模型准确率高达92%，同时在睡眠质量评估、感染风险预警、运动损伤识别及心房颤动检测等心血管相关任务中持续优化结果[1]。

研究发现，用户行为数据（如活动量、睡眠模式和运动习惯）比传统生物指标更能反映健康状况。这颠覆了以往以心率、血氧为核心的健康监测逻辑，具体表现在三方面：

• 预测维度更广：行为指标可关联妊娠、心血管疾病、免疫状态等多类健康问题
• 数据连续性更强：日常行为数据可7×24小时持续生成，规避传统医疗检测的离散性局限
• 预警时效性提升：步态稳定性变化等行为特征可早于临床症状出现异常信号[1]

该技术已展现出明确的医疗场景应用路径，尤其在远程健康监测领域：

• 妊娠健康管理：92%准确率的检测模型可为孕期女性提供非侵入式健康追踪
• 心血管疾病防控：对心房颤动等疾病的持续监测能力可降低突发性心脑血管事件风险
• 公共卫生预测：大规模行为数据分析能构建区域性感染疾病传播模型

与此形成对比的是，苹果在WWDC 2025发布的AI健康应用进展有限。虽然展示了通话实时翻译等AI功能，但健康应用与AI医生服务（代号Mulberry）及Siri的LLM升级均未亮相，核心医疗AI能力落地仍待突破[1][2]。