Tragbare Geräte wie Smartwatches haben sich von einfachen Fitness-Trackern zu leistungsstarken Werkzeugen für die kontinuierliche Gesundheitsüberwachung entwickelt und bieten ein Fenster in die Rhythmen des Körpers, das einst nur in einem Krankenhaus verfügbar war. Diese Gadgets sammeln einen stetigen Datenstrom, wie etwa Herzfrequenz, Schlafstadien und Bewegung, und erstellen so eine detaillierte Zeitlinie des physiologischen Zustands einer Person. Diese Daten sind jedoch selten perfekt. Sensoren können den Kontakt zur Haut verlieren, Batterien können leer werden oder die Konnektivität kann abbrechen, was Lücken in der Zeitlinie hinterlässt. Wenn diese Lücken auftreten, geschehen sie oft in Clustern; wenn der Sensor den Kontakt verliert, hört er auf, mehrere Messwerte gleichzeitig aufzuzeichnen, anstatt nur einen einzelnen Wert hier und da auszulassen. Um aus diesem unvollständigen Bild Sinn zu gewinnen, nutzen Wissenschaftler Computermodelle, um die fehlenden Teile zu ergänzen – ein Prozess, der als Imputation bezeichnet wird. Die Qualität dieser ergänzten Werte ist entscheidend, da sie die Grundlage für jede zukünftige Gesundheitsvorhersage bilden, etwa die Vorhersage eines Anfalls oder die Erkennung einer Infektion. Wenn das Modell falsch rät, könnte die gesamte auf ihm basierende Gesundheitsanalyse fehlerhaft sein.

Jahrelang haben Forscher diese Auffüllmodelle mit einer Methode getestet, die davon ausgeht, dass fehlende Daten zufällig auftreten, wie Regentropfen, die auf ein Fenster fallen. Sie nahmen einen vollständigen Datensatz, löschten einige Punkte zufällig aus und sahen nach, ob das Modell sie zurückschätzen konnte. Dieser Ansatz spiegelt jedoch nicht wider, wie Wearables tatsächlich ausfallen. In der realen Welt, wenn ein Sensor ausfällt, hinterlässt er oft eine lange, kontinuierliche Lücke, in der viele verschiedene Messwerte gemeinsam fehlen. Eine neue Studie von Skye Goodman und Kollegen von der University of Bristol, der University of Manchester und der University of Birmingham stellt die alte Testmethode infrage. Durch die Analyse von Daten einer Person mit Epilepsie, die eine Garmin-Smartwatch trägt, entwickelten die Forscher ein neues Testprotokoll, das diese realistischen, geclusterten Lücken nachahmt. Sie fanden heraus, dass die herkömmliche Testmethode die wahren Schwächen und Stärken der Modelle verbarg und dass eine einfache Änderung der Art und Weise, wie Modelle trainiert und getestet werden, deren Leistung drastisch verbessern könnte.

Die Forscher begannen damit, die spezifischen Muster der fehlenden Daten in ihrem Datensatz zu untersuchen. Sie entdeckten, dass die neun verschiedenen von der Uhr aufgezeichneten Gesundheitsmetriken nicht unabhängig voneinander ausfielen. Stattdessen waren sie eng mit der Hardware verknüpft, die sie erzeugte. Beispielsweise beruhen Herzfrequenz, Herzschlagintervalle und Stresswerte alle auf einem optischen Sensor am Handgelenk. Wenn dieser Sensor den Kontakt verlor, verschwanden all diese Messwerte gleichzeitig. Im Gegensatz dazu stammten die Schrittzahlen von einem anderen Sensor, dem Beschleunigungssensor, der seine eigenen Ausfallmuster aufwies. Die Lücken variierten auch massiv in ihrer Länge; einige Merkmale hatten nur kurze, punktuelle Ausfälle, während andere, wie die Herzfrequenz, lange Aussetzer erlitten, die Stunden dauern konnten. Das Team erkannte, dass eine einzige, einheitliche Testmethode diese Komplexität nicht erfassen konnte. Sie entwickelten ein neues Evaluierungssystem, das diese realen Lücken aus den Trainingsdaten extrahierte, sie nach Länge in typische, moderate und schwere Kategorien einteilte und dann genau diese Muster in die Testdaten injizierte. Dies stellte sicher, dass die Modelle mit derselben Art von schwieriger, geclusterter Fehlstellen konfrontiert wurden, der sie in der realen Welt begegnen würden.

Als die Forscher dieses realistische Protokoll anwandten, waren die Ergebnisse beeindruckend. Sie testeten zwei fortschrittliche Deep-Learning-Modelle, bekannt als BRITS und SAITS, die darauf ausgelegt sind, komplexe Zeitreihendaten zu verarbeiten. Unter der alten, zufälligen Testmethode schienen diese Modelle recht gut zu funktionieren. Als sie jedoch gegen die realistischen, geclusterten Lücken getestet wurden, sank ihre Leistung signifikant, was offenbarte, dass sie übermäßig selbstbewusst gewesen waren. Die Studie zeigte, dass die Modelle auf Daten trainiert worden waren, bei denen die fehlenden Werte zufällig verstreut waren, sodass sie nie gelernt hatten, mit der Situation umzuge zu gehen, in der ein ganzer Block an Daten fehlt. Um dies zu beheben, passte das Team den Trainingsprozess so an, dass die Modelle während ihrer Lernphase derselben realistischen, blockartigen Fehlstellen ausgesetzt waren. Diese einfache Änderung hatte eine tiefgreifende Wirkung: Die Fehlerrate des BRITS-Modells in den Szenarien mit den schwersten Lücken sank um 43 Prozent. Diese Verbesserung war keine geringfügige Anpassung; sie verwandelte ein Modell, das unter realistischen Bedingungen kämpfte, in eines, das robust funktionierte.

Die Studie zeigte auch, dass kein einzelnes Modell für alles das Beste ist. Die Forscher fanden heraus, dass der beste Ansatz vollständig von der Art der Daten und der Länge der Lücke abhängt. Für langsam wandernde Merkmale, wie eine tägliche Schrittzahl oder einen Body-Battery-Wert, der sich sehr graduell verändert, war eine einfache, klassische Methode namens linearer Interpolation – die im Wesentlichen eine gerade Linie zwischen dem letzten bekannten Punkt und dem nächsten zieht – oft am genauesten, insbesondere bei kurzen Lücken. Für dynamische, sich schnell ändernde Signale wie die Herzfrequenz waren die fortschrittlichen Deep-Learning-Modelle jedoch weit überlegen, insbesondere wenn die Lücken lang waren. Die Forscher entdeckten auch, dass das Hinzufügen von Informationen über die Tageszeit und die natürlichen täglichen Rhythmen des Körpers den Modellen half, bessere Schätzungen vorzunehmen, wenn Daten fehlten. Dies galt besonders für das BRITS-Modell, das signifikante Verbesserungen der Genauigkeit bei Herzfrequenz- und Schlafdaten erzielte, wenn diese zeitbasierten Hinweise einbezogen wurden.

Interessanterweise hob die Studie einen Zielkonflikt zwischen Genauigkeit und der Form der Daten hervor. Während ein Modell, das erweiterte BRITS, besser darin war, den exakten Wert eines fehlenden Punktes zu erraten, war das andere Modell, SAITS, besser darin, die allgemeine statistische Form der Daten zu bewahren. Diese Unterscheidung ist für medizinische Anwendungen von entscheidender Bedeutung. Ein Modell, das den Durchschnittswert rät, mag im Durchschnitt genau sein, könnte aber daran scheitern, seltene, extreme Ereignisse zu erfassen, wie etwa einen plötzlichen Anstieg der Herzfrequenz, der oft einem epileptischen Anfall vorausgeht. Die Forscher fanden heraus, dass beide Modelle dazu neigten, diese extremen Randbereiche (Tails) zu glätten, was potenziell genau die Signale verbirgt, die Ärzte sehen müssen. Dies deutet darauf hin, dass die Modelle zwar leistungsstark sind, aber noch verfeinert werden müssen, um sicherzustellen, dass sie kritische, lebensrettende Anomalien nicht übersehen.

Die Erkenntnisse dieser Arbeit tragen eine klare Botschaft für die Zukunft der tragbaren Gesundheitstechnologie. Die Art und Weise, wie wir diese Modelle testen, ist ebenso wichtig wie die Modelle selbst. Die Verwendung unrealistischer, zufälliger Testmethoden vermittelt ein falsches Gefühl der Sicherheit und verschleiert die wahren Fähigkeiten der Technologie. Indem Forscher ein Protokoll einführen, das die chaotische, geclusterte Realität des Ausfalls von Sensoren widerspiegelt, können sie bessere Strategien entwickeln, um die Lücken zu füllen. Die Studie kommt zu dem Schluss, dass es nicht das eine „beste“ Modell für alle Situationen gibt; stattdessen wird der effektivste Ansatz wahrscheinlich ein Hybridsystem sein, das das richtige Werkzeug für die jeweilige Aufgabe wählt – sei es eine einfache Linie für langsame Daten oder ein komplexes neuronales Netzwerk für dynamische Signale. Dieser Perspektivwechsel, weg von der Suche nach einer universellen Lösung hin zum Verständnis der Nuancen der Daten, ist ein entscheidender Schritt zum Aufbau zuverlässigerer und effektiverer Gesundheitsüberwachungssysteme für die Zukunft.