2025-05-24 | 박진용 기자

读懂行为数据的AI…血糖预测方式正在改变 [闪光的商业]

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

采集健康数据的技术已足够成熟。如今重要的是如何解释和运用数据的解决方案。超越单纯展示数值,在反复的生活模式中预测并调节变化走向的引导性技术,正成为健康管理的新方向。

据业界24日消息,UNIST与健康管理技术企业Pillyze共同开发的基于AI的预测技术,正是在这一变化潮流中问世。该模型基于用户的饮食、睡眠、运动等日常数据预测血糖反应,不止于接收测得的数值,而是将生活条件流变中可能出现的变化量化呈现。它以时间序列分析反复出现的条件,当输入的数据达到一定水平后,AI便会向用户事先提示今后的变化可能性。

重要的是,该技术并不以替代某种特定设备或传感器为目标。相反,其目的在于帮助用户借助自己已有的日常数据来调节自身节律。例如,当用餐时间、睡眠周期或运动量与平时不同时,它会提供次日血糖有可能高于平时的定量预测结果。这一预测并不要求用户立即干预,但提供了可重新检视并调整生活节律的实用指南。

技术的核心并不在于“预测准确度”。关键在于能否稳定学习多么反复且定型化的生活数据,以及该预测能在多大程度上转化为直观的反馈。Pillyze已将该模型应用于自有平台“Sugar Care”,并向数据积累达到一定水平的用户提供预测功能。该功能无需额外设备,仅基于日常数据即可运行。用户能够具体认知自己的生活习惯与特定生理反应之间存在何种相关关系。

这种取径与将健康管理委托给专家或仅依赖数值的既有结构截然不同。核心在于让用户自行解释数据、发现可调节的单位。Pillyze将这一结构称为“虚拟CGM(Virtual CGM)”。公司方面解释称,该技术并非模仿传感器,而是通过学习和解释数据的结构,打造出以生活为基础的预测这一新范畴的界面。

AI技术如今正演进为并非代替人判断健康,而是为用户做出更好决策而整理数据的辅助技术。与测量的作用止于“记录”的过去不同,如今的中心已从读取数值的技术,转向将流变结构化并使其转化为行动的技术。用户基于生活数据获得预测反馈,并据此获得调节可能性的结构,正在改变健康管理技术本身的运作方式。

Pillyze正基于累计超过100万名用户的数据强化AI模型,该技术近期通过与UNIST的共同研究刊载于世界性学术期刊(Scientific Reports),也已取得学术上的正当性。技术结构简洁,并依照用户流程设计,实现方式为无需额外设备,只要积累一定量数据即可运行。

Pillyze相关人士表示:“如果说迄今为止的健康管理技术专注于‘能多精密地测量’,那么今后技术的重心正在转向‘如何将这些数据结构化、传递给谁’”,并称“重要的是用户能如何运用这些数据、技术能如何在情境中提供解释。这正是能使行为得以调整的技术在健康管理领域必然更受关注的背景”。

阅读韩文原文