苹果公司携手美国心脏协会和哈佛医学院，发布了基于行为数据的可穿戴模型WBM，标志着健康监测从生物指标向行为数据分析的转变。该模型通过分析步数、活动能力等行为数据，预测健康趋势，与传统生理指标互补，提升了疾病预测的准确性和全面性。WBM在多项健康预测任务中表现优异，尤其在与传统PPG数据结合时，性能显著提升。这一创新有望推动个性化健康管理，并为慢性病管理和早期疾病预警带来新的可能性。

🚶‍♀️WBM模型基于可穿戴设备收集的超过25亿小时的行为数据进行训练，重点分析步数、活动能力等高层次行为指标，而非依赖原始传感器数据。

📈与传统的PPG模型相比，WBM在47项静态健康预测任务中有18项表现更优，并在除糖尿病外的所有动态任务中展现出更强的预测能力。

🤰当WBM与PPG数据结合时，综合性能显著提升，例如在怀孕检测任务中准确率高达92%。这表明两种数据互补，能更全面地发现健康异常。

💡WBM擅长捕捉长期行为模式的变化，而PPG专注于短期生理波动，二者结合能更早、更全面地发现健康异常，为个性化健康管理提供更精准的支持。

苹果公司联合美国心脏协会和哈佛医学院布莱根妇女医院，在健康预测领域取得重大突破，推出基于行为数据的可穿戴模型WBM（Wearable Behavior Model）。这项研究标志着健康监测从传统生物指标（如心率、血氧）向行为数据分析的拓展，为疾病预测提供了全新视角。

研究团队利用超过25亿小时的可穿戴设备数据训练WBM模型，使其能够从步数、活动能力等高层次行为指标中学习健康趋势，而非依赖原始传感器数据。

与传统PPG（光电容积描记）模型相比，WBM在47项静态健康预测任务中有18项表现更优，并在除糖尿病外的所有动态任务中展现出更强的预测能力。更值得注意的是，当WBM与PPG数据结合时，其综合性能显著提升，例如在怀孕检测任务中准确率高达92%。

这一成果的意义在于，WBM并非取代传统生理监测，而是与之形成互补。WBM擅长捕捉长期行为模式的变化，而PPG则专注于短期生理波动，二者的结合能够更早、更全面地发现健康异常，为个性化健康管理提供更精准的支持。未来，这种多维度健康监测模式有望在慢性病管理、早期疾病预警等领域发挥重要作用。