健康水平可以准确地预测使用可穿戴devices-no运动要求

剑桥大学的研究人员已经开发出一种方法测量整体健身准确可穿戴设备上比目前更强劲消费smartwatches和健身monitors-without佩戴者需要锻炼。

通常情况下,测试精确测量VO2max-a整体的关键测量健身和的一个重要预测心脏病和死亡率risk-require昂贵的实验设备和大多限于精英运动员。新方法使用机器学习来预测VO2max-the身体的能力进行有氧工作日常活动,不需要上下文信息,例如GPS测量。

这是迄今为止最大的同类研究中,研究人员收集活动数据来自11000多个参与者在沼泽地的研究中使用可穿戴式传感器参与者的一个子集,七年后再次测试。研究人员使用的数据建立一个模型来预测VO2max,当时验证对第三组人进行了一个标准实验室练习测试。模型显示高度的准确性和实验室测试相比,优于其他方法。

一些smartwatches和健身显示器目前市场上声称提供估计的最大摄氧量,但由于算法驱动这些预测不发表,在任何时间,如有变更,恕不清楚的预测是准确的,还是一个锻炼对一个人的VO2max产生任何影响。

Cambridge-developed模型健壮、透明和提供准确的预测的基础上心率和加速度计数据。因为模型也可以检测适应性变化随着时间的推移,它也可能是有用的在评估整个群体健康水平和识别的影响生活方式的趋势。结果发表在杂志上npj数字医学。

测量的最大摄氧量是体能测试的“黄金标准”。职业运动员,例如,测试他们的心肺功能锻炼时通过测量他们的耗氧量的疲惫。还有其他的方法在实验室测量健身,像心率反应运动测试,但这些需要设备像跑步机或健身自行车。此外,一些人剧烈运动可能是一个风险。

”的最大摄氧量并不是唯一的健康测量,但它是一个重要的耐力,并预示着糖尿病、心脏病和其他死亡风险,”合著者从剑桥MRC Soren布拉吉流行病学博士说。“然而,因为大多数的最大摄氧量测试是相当适合的人,很难得到测量从那些不适应,可能是心血管疾病的危险。”

“我们想知道是否有可能使用数据从一个可穿戴设备准确预测的最大摄氧量,这样就不需要一个练习测试,“Dimitris Spathis博士说,该研究从剑桥大学计算机科学与技术。“我们的核心问题是可穿戴设备能否在野外测量健身。大多数这套可提供指标,如心率、步骤或睡眠时间,代表健康,但并没有直接联系健康结果。"

研究这两个部门之间的合作:MRC流行病学单位提供专业的团队在人口健康和心肺功能和数据从沼泽地研究长期公共卫生研究在英格兰的东部球队的计算机科学和技术专长提供机器学习和人工智能的移动和可穿戴的数据。

参与这项研究可穿戴设备连续六天。收集的传感器每秒60值,导致大量的数据前处理。“我们必须设计一个算法管道和适当的模型,可以压缩大量的数据和使用它来作出准确的预测,“Spathis说。“数据的独立生存的自然,这使得预测具有挑战性的,因为我们试图预测一个高层的结果(健身)与嘈杂的底层数据(可穿戴传感器)。”

研究人员用一个人工智能模型称为深神经网络来处理,从原始传感器数据中提取有意义的信息,使预测的最大摄氧量。超出预测,训练模型可用于识别的特殊需要群体的干预与健康有关。

11059名参与者在沼泽地的基线数据研究与从七年后随访数据相比,从2675年最初的参与者的一个子集。第三组的英国生物库验证研究的181名参与者进行了实验室的最大摄氧量测试来验证算法的准确性。机器学习模型与测量具有很强的协议的最大摄氧量的分数在基线(82%协议)和后续测试协议(72%)。

“这项研究是一个完美的示范如何利用专业知识在流行病学、公共卫生、机器学习和信号处理,”该研究Ignacio Perez-Pozuelo博士说。

研究人员称,他们的研究结果证明这套可以精确测量健身,但透明度需要改进如果测量从商用这套可信。

“原则上没错,许多健身显示器和smartwatches提供测量的最大摄氧量,但很难评估的有效性这一说法,“布拉吉说。“模型通常不公布,算法可以改变定期,让人很难确定他们的健身已经改进或如果它只是由不同的算法估计。”

“一切都在你的smartwatch有关健康和健身是一种估计,“Spathis说。“我们公开我们的造型,我们做到了。我们表明,我们可以获得更好的结果与噪声数据和传统的生物标志物。此外,我们所有的算法和模型是开源的,每个人都可以使用它们。”

“我们已经表明,你不需要一个昂贵的测试在实验室得到一个真正的测量了我们每天使用的这套一样强大,如果他们有正确的算法背后,“资深作者教授塞西莉亚说Mascolo的计算机科学与技术。“Cardio-fitness是这样一个重要的健康指标,但直到现在我们没有办法测量量表。这些发现可能产生重大影响人口健康政策,所以我们可以超越健康代理如走弱的身体质量指数(BMI)。”