«Аккофриск» откроет исследователям информация носимых устройств для обучения медицинских ИИ-моделей

Компания «Аккофриск» открывает доступ к данным о физическом и психическом здоровье для исследователей и разработчиков медицинских ИИ-моделей. Информация будут доступны через подключение партнёров к платформе мониторинга здоровья «Аккофриск ИИ».

Сообщается о массивах «сырых» данных, собранных с носимых устройств АККО. По данным компании, в структуре платформы используется более 300 параметров физического и ментального здоровья: показатели сна, активности, питания, приёма лекарств, а равным образом прогнозы рисков развития заболеваний.

Такие данные могут быть полезны для обучения прогностических моделей, анализа временных рядов и поиска ранних признаков нарушений здоровья. В противовес синтетических датасетов, здесь используются реальные измерения и наблюдения пользователей, что особенно важно для задач персонализированной медицины.

Возможные сценарии применения включают прогнозирование рисков заболеваний, генерацию индивидуальных рекомендаций по образу жизни, подготовку аналитических отчётов для врачей и разработка моделей «цифрового двойника». Последний скрипт предполагает симуляцию реакции организма на разные нагрузки и изменения поведения.

Организация заявляет, что данные платформы совместимы с инструментами для разработки ИИ, в том числе Hugging Face, Google Vertex AI, AWS SageMaker, Microsoft Azure ML, OpenAI Fine-Tuning и Yandex DataSphere. Также заявлена функция интеграции с медицинскими информационными системами и исследовательскими платформами.

Отдельный вопрос — защита и доступ к медицинским данным. В «Аккофриск» утверждают, что передача информации будет идти через программный интерфейс и RESTful-сервисы, с использованием стандартизированных форматов, шифрования, контроля доступа и анонимизации. Информация, в соответствии с заявлению компании, собираются с согласия пользователей.

Сейчас система, по данным «Аккофриск», обрабатывает информацию свыше от 1 млн подключённых пользователей с частотой обновления каждые 5 минут. Если доступ к этим данным действительно будет организован в исследовательском формате, это может стать заметным источником реальных wearable-данных для медицинского ИИ.

Главная ценность такого подхода — не в самом факте подключения ИИ к медицине, а в доступе к длительным временным рядам: сон, активность, питание, лекарства и изменения состояния во времени часто важнее единичного измерения. Именно такие данные помогают строить модели, которые ищут не абстрактные «средние» закономерности, а персональные отклонения от нормы.