深度学习助力可穿戴设备提前预警高血压
以智能手表和手环为代表的可穿戴设备，曾经一度被认为是很鸡肋的产品。然而随着数据的积累和人工智能算法的改进，这些设备将会变成可以救命的宝贝。之前已有报道称，可以通过可穿戴设备检测的心跳数据提前预测中风的发作，从而为用户赢得抢救所需的时间，准确度高达97%。
然而中风毕竟离普通人的生活还差的比较远，但高血压和睡眠呼吸障碍就不一样了，统计数字显示，37%的人患有睡眠呼吸障碍，17%的患有高血压。更为重要的是，根据世界卫生组织的报告，约有20%的高血压患者并不知道自己的问题，而80%患有睡眠呼吸障碍的人并没有意识到自己的问题，他们不知道自己在睡觉的时候可能呼吸暂停，他们不知道睡眠呼吸可能导致智力的损伤，还有可能导致猝死。
由加州大学旧金山分校健康实验室和Cardiogram公司共同推出的Deep Heart这款APP，可以根据智能手表收集的心跳数据和运动数据，检测睡眠障碍和高血压，检测的准确度高达82%和90%。这款APP不仅适合苹果手表，也适用于Fitbit等安卓设备。有了这款APP，可以帮助用户提早发现慢性病，以便及时诊断，并通过改变生活习惯来改善健康水平。
根据Cardiogram公司的声明，之所以对睡眠障碍和高血压的检测是可行的，原理就是因为心脏及各种动脉，静脉，胃，食管都连在植物性神经系统上，而心率变异率的变化与这些器官的状态有关，Deep heart 就可以通过加速度计和心率变异率的检测，来判断某个人是否有高血压或呼吸异常。
为了训练Deep Heart背后的神经网络，Cardiogram采集了来自6115名用户的总计300亿个数据点，数据类型包括心跳数和运动步数，根据这些用户的诊断数据，deep heart 可以预测一个人是否患有高血压和睡眠障碍。
使用类似的算法框架，未来智能可穿戴设备可以用来对常见的心脏病，例如窦性心律不齐进行初步的诊断，但正式的诊断还是要在医院进行。而更广泛的应用场景，则会随着采集的精度的提高，以及采集的数据类型的增加，而更加广阔，现在已有证据表明糖尿病和心跳数据是有关系的，而心理类的基本也确认和心跳数据是有联系。然而这些对这些疾病的研究，往往由于影响因素的多元，需要更精确的更全面的行为数据的收集，更复杂的模型，更多的样本量。
总结一下，深度学习在可设备中的应用场景广泛，未来可以做的工作很多。由于心脏和许多内脏以及神经系统都有关，故不止可以应用在疾病的诊断上。比如和冥想相关的辅助评分，再开脑洞，还可以根据电影反映时心跳数据的变化，为电影中的相对桥段进行打分，这样有趣型的应用场景，将会需要相对较少的训练数据，也面对较少的监管。
如果你对上面的脑洞感兴趣，欢迎关注巡洋舰的深度学习实战课程， 手把手带你进行深度学习实战， 课程涵盖机器学习，深度学习， 深度视觉， 深度自然语言处理， 以及极具特色的深度强化学习，看你能不能学完在你的领域跨学科的应用深度学习惊艳你的小伙伴，成为身边人眼中的大牛， 感兴趣的小伙伴可以点击阅读原文。