🤖 machine learning

OpenMHC: Accelerating the Science of Wearable Foundation Models

Questo articolo introduce OpenMHC, un dataset completo ad accesso aperto contenente oltre 60 milioni di ore di dati sanitari da dispositivi indossabili provenienti da quasi 12.000 partecipanti, insieme a implementazioni open-source di modelli di fondazione e un benchmark unificato, per democratizzare e accelerare la ricerca nell'IA per la salute tramite dispositivi indossabili.

Autori originali: Narayan Schuetz, Yuze Bai, Lianggang Pan, Edgar Eggert, Favour Nerrise, Juan Delgado-SanMartin, Max Rosenblattl, Milana Gurbanova, Mohammad Asadi, Anders Johnson, Paul Schmiedmayer, Dennis Wang, Allan

Pubblicato 2026-07-22

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Narayan Schuetz, Yuze Bai, Lianggang Pan, Edgar Eggert, Favour Nerrise, Juan Delgado-SanMartin, Max Rosenblattl, Milana Gurbanova, Mohammad Asadi, Anders Johnson, Paul Schmiedmayer, Dennis Wang, Allan Lawrie, Daniel Seung Kim, Xin Liu, Akshay Paruchuri, Ehsan Adeli, Euan Ashley, Kelly W. Zhang

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina che il tuo smartwatch sia un piccolo, instancabile detective che non dorme mai. Ogni minuto del giorno, sussurra segreti al tuo telefono: quanti passi hai fatto, quanto è accelerato il tuo cuore, quanto profondamente hai dormito e persino quanti gradini di scale hai conquistato. Per anni, gli scienziati hanno voluto insegnare ai computer ad ascoltare questi sussurri e a comprendere meglio la nostra salute. Chiamano questi computer super intelligenti "modelli di fondazione" (foundation models). Pensali come un grande chef che ha assaggiato ogni piatto del mondo; una volta imparati i sapori, può inventare nuove ricette o individuare istantaneamente un ingrediente scadente. Ma ecco il problema: per diventare un grande chef, serve una cucina enorme piena di ingredienti. Nel mondo dei dati sanitari, le cucine più grandi sono state chiuse dietro porte sbarrate, di proprietà di grandi aziende tecnologiche, lasciando ai ricercatori solo piccole, vuote dispense. Senza abbastanza dati, questi chef IA non possono imparare la storia completa di come i nostri corpi si muovono e si sentono.

È qui che un team di ricercatori di Stanford, dell'Imperial College London e di altri entra in scena con una chiave enorme. Hanno aperto le porte dello studio "My Heart Counts", un esperimento di salute digitale che dura da oltre un decennio. Stanno rilasciando un tesoro chiamato OpenMHC. Questo non è solo uno spuntino; è un banchetto di oltre 67 milioni di ore di dati da dispositivi indossabili provenienti da quasi 12.000 persone. Include tutto, dal conteggio dei passi alla frequenza cardiaca, fino ai modelli di sonno e ai registri degli allenamenti, raccolti da iPhone e Apple Watch. Insieme a questo gigantesco dataset, stanno condividendo anche le "ricette" (codice) e i "grandi chef" (modelli IA) che hanno costruito per testarlo. Il loro obiettivo è permettere a chiunque, ovunque, di provare a cucinare nuovi modi per prevedere problemi di salute, colmare i dati mancanti o prevedere come i nostri corpi potrebbero comportarsi domani.

Nota importante sugli ingredienti: Prima di iniziare a cucinare, è importante sapere che questa cucina ha alcune peculiarità specifiche. Le persone che hanno contribuito con i dati provengono principalmente dagli Stati Uniti e il gruppo è sbilanciato verso uomini bianchi tra i trenta e i quaranta anni. Ciò significa che i "sapori" che l'IA apprende potrebbero non avere lo stesso gusto per tutti gli altri nel mondo. Inoltre, poiché si è trattato di uno studio digitale, tutte le informazioni sulla salute (come se una persona abbia il diabete o quanto si senta felice) sono state auto-riferite dagli utenti. Questo introduce del "rumore" o incertezza nelle etichette, il che può rendere più difficile per l'IA apprendere schemi perfetti. Infine, l'IA è progettata per rilevare tratti di salute basandosi sui dati raccolti al momento del sondaggio, non per prevedere eventi medici futuri come un attacco cardiaco l'anno prossimo.

La Grande Rivelazione: Cosa Hanno Scoperto

I ricercatori non si sono limitati a scaricare i dati; hanno costruito un enorme parco giochi per vedere quali modelli di IA potessero effettivamente dare un senso di tutto ciò. Hanno impostato tre sfide principali:

Previsione: L'IA riesce a indovinare i tuoi tratti di salute (come se hai il diabete o quanto sei felice) guardando solo i dati del tuo orologio?
Imputazione (Riempire i Vuoti): Poiché le persone si tolgono l'orologio per fare la doccia o caricarlo, i dati presentano dei buchi. L'IA riesce a indovinare cosa è successo durante quei minuti mancanti?
Forecasting (Previsione Temporale): L'IA può prevedere quale sarà la tua attività nelle prossime 24 ore?

Ecco cosa hanno scoperto:

1. Lo "Chef Specializzato" vince, ma il "Cuoco Semplice" è ancora temibile
Quando hanno testato diversi modelli di IA, un modello chiamato LSM-2 (un tipo di modello di fondazione addestrato specificamente sui dati dei dispositivi indossabili) si è rivelato essere il miglior chef complessivo. È stato il più costante nel prevedere gli esiti sanitari e nel colmare i dati mancanti. Tuttavia, i ricercatori hanno scoperto qualcosa di sorprendente: un modello molto più semplice e di vecchio stile chiamato XGBoost (che è come una calcolatrice molto organizzata e basata su regole) è arrivato a un passo dal primo posto. In effetti, per alcuni compiti, il modello semplice era bravo quanto la sofisticata e complessa IA. Questo suggerisce che, sebbene la grande IA sia potente, non dobbiamo presumere che "più complesso" significhi sempre "migliore". A volte, uno strumento semplice e ben tarato fa miracoli.

2. I Grandi Modelli Linguistici (come i Chatbot) hanno faticato
Il team ha anche provato a usare enormi modelli linguistici (quelli che scrivono saggi e chiacchierano con te) per risolvere questi enigmi sanitari. Hanno fornito ai modelli i dati sotto forma di testo o immagini di grafici. Il risultato? Questi chatbot giganti sono stati generalmente peggiori dei modelli specializzati nella salute e persino delle semplici calcolatrici. Sembra che per leggere il "linguaggio" specifico dei battiti cardiaci e dei passi, uno strumento specializzato sia molto più efficace di uno generico.

3. La Memoria a Lungo Termine Aiuta
Per quanto riguarda il riempimento dei dati mancanti (imputazione), i modelli che potevano osservare la cronologia di un utente nell'arco di diversi giorni sono stati molto più bravi di quelli che guardavano un singolo giorno. È come cercare di indovinare cosa sta facendo qualcuno: se lo vedi solo per un minuto, potresti sbagliare. Ma se sai che di solito va a correre alle 18:00, puoi fare una supposizione molto più intelligente. Il documento suggerisce che l'utilizzo della cronologia a lungo termine di un utente è la chiave per rendere questi modelli più intelligenti.

4. L'Equità è Importante
I ricercatori hanno anche controllato se i modelli trattassero tutti equamente. Hanno scoperto che, sebbene i modelli di IA sofisticati fossero accurati, a volte commettevano errori più grandi per certi gruppi di persone (come diverse fasce d'età o generi) rispetto ai modelli più semplici. Questo è un promemoria cruciale: mentre costruiamo questi strumenti sanitari, dobbiamo garantire che funzionino equamente per tutti, non solo per la maggioranza.

Perché Questo Cambia le Regole del Gioco

Prima di questo articolo, se volevi costruire un'IA per comprendere i dati sanitari dei dispositivi indossabili, eri bloccato. Non potevi ottenere i dati e non potevi vedere come le grandi aziende addestravano i loro modelli. Era come cercare di imparare a pilotare un aereo senza aver mai visto una cabina di pilotaggio.

OpenMHC cambia tutto dando a tutti la cabina di pilotaggio, il manuale di volo e il simulatore di addestramento. Rilasciando i dati di 11.894 partecipanti che coprono 13 anni, insieme al codice per eseguire i modelli, gli autori hanno democratizzato il campo. Non sostengono di aver risolto tutti i misteri della salute; anzi, ammettono che per alcune condizioni l'IA fatica ancora a battere un semplice parametro di riferimento a causa della natura dei dati auto-riferiti. Ma hanno fornito le fondamenta affinché l'intera comunità scientifica possa iniziare a cucinare, sperimentare e, sperabilmente, scoprire nuovi modi per mantenerci in salute. La cucina è ora aperta e gli ingredienti sono pronti per essere utilizzati da chiunque.

Sintesi Tecnica: OpenMHC: Accelerare la Scienza dei Modelli di Fondazione per Wearable

Definizione del Problema

Sebbene i dispositivi mobili e i wearable offrano opportunità senza precedenti per il monitoraggio continuo e passivo della salute, il campo dell'IA per la salute nei wearable è ostacolato dalla mancanza di dati aperti e su larga scala. I principali modelli di fondazione per wearable sono tipicamente addestrati su dataset proprietari che non sono pubblicamente disponibili, e i pesi dei modelli e il codice di addestramento sono raramente open-source. I dataset pubblici esistenti sono spesso di piccola scala, utilizzano sensori specializzati di grado di ricerca o mancano della profondità longitudinale e della diversità necessarie per addestrare e valutare i modelli di fondazione. Questa frammentazione dei dati limita la riproducibilità, la partecipazione più ampia della comunità e la capacità di stabilire benchmark standardizzati per confrontare i modelli attraverso diversi domini sanitari.

Metodologia

Gli autori affrontano queste lacune attraverso la cura di OpenMHC (OpenMyHeartCounts), un dataset e un benchmark completi e ad accesso aperto derivati dallo studio My Heart Counts (MHC), uno studio sulla salute cardiovascolare su larga scala condotto presso la Stanford University.

1. Il Dataset OpenMHC

Scala e Ambito: Il dataset comprende record longitudinali di 11.894 partecipanti consenzienti raccolti in un arco di 13 anni (2012–2025). Include 67 milioni di ore di dati wearable a risoluzione al minuto.
Modalità dei Dati:
- Dati dei Sensori Passivi: 19 canali di sensori con risoluzione al minuto, inclusi conteggio dei passi, distanza, piani saliti, frequenza cardiaca, energia attiva, sonno (addormentato/a letto) e 10 tipi di allenamento. I dati provengono da Apple HealthKit tramite iPhone e Apple Watch (e altri dispositivi compatibili).
- Variabili Collegate: 169 variabili auto-riferite e sparse di HealthKit che coprono demografia, condizioni mediche, parametri vitali, biomarcatori, benessere mentale, sonno e stile di vita.
Demografia: I partecipanti sono principalmente dagli Stati Uniti (~90%), con coorti più piccole dal Regno Unito e da Hong Kong. La coorte comprende 92 diversi modelli di dispositivi e include utenti con fino a 10,7 anni di cronologia dei dati, sebbene la partecipazione mediana sia più breve a causa della tipica attrito mHealth.
Preprocessamento: Gli autori hanno sviluppato una pipeline rigorosa per costruire matrici giornaliere a livello di minuto ( $19 \times 1440$ ), gestendo l'eterogeneità dei dispositivi, la mancanza di dati (tempo di non indossamento) e gli outlier fisiologici. Definiscono euristiche specifiche per il rilevamento del non-indossamento e l'imputazione dei dati mancanti.

2. Il Benchmark OpenMHC

Per consentire una valutazione standardizzata, gli autori hanno stabilito un benchmark unificato con tre track:

Track 1: Task Predittivi: 32 task supervisionati in cinque domini (Demografia, Condizioni Mediche, Parametri Vitali e Biomarcatori, Benessere Mentale, Sonno e Stile di Vita). I task includono classificazione binaria, classificazione ordinale e regressione.
Track 2A: Generativo (Imputazione): Valutazione dei metodi per ricostruire i dati dei sensori mancanti. Ciò include l'Imputazione a singolo giorno (mascheramento all'interno di una finestra di 24 ore) e l'Imputazione a lungo contesto (sfruttando fino a 7 giorni di cronologia). Le strategie di mascheramento simulano i guasti del mondo reale: strutturali (rumore casuale, segmenti temporali, perdita di segnale) e semantici (lacune nel sonno, lacune negli allenamenti, fallimenti di intensità).
Track 2B: Generativo (Forecasting): Previsione a risoluzione oraria delle successive 24 ore di dati wearable basata sulle traiettorie storiche.

3. Framework di Valutazione

Il benchmark impiega Metriche di Valutazione Unificate per aggregare le prestazioni attraverso task eterogenei:

Skill Score ( $S$ ): Misura la riduzione relativa dell'errore rispetto a un modello di riferimento fisso (ad es., Lineare per la predizione, LOCF per l'imputazione, Seasonal Naive per il forecasting).
Ranking Medio: Valuta la coerenza tra i task.
Fairness Skill Score: Valuta la parità delle prestazioni tra sottogruppi demografici sensibili (sesso ed età).

Contributi Chiave

Rilascio di OpenMHC: Il dataset per wearable health più grande e completo ad accesso aperto ad oggi, che consente il pre-addestramento e la valutazione su larga scala di modelli di fondazione su dati reali di consumo.
Primo Benchmark Pubblico su Larga Scala: Una suite di valutazione standardizzata che copre task predittivi, di imputazione e di forecasting che riflette la complessità dei dati wearable del mondo reale (mancanza di dati, campionamento irregolare, eterogeneità).
Implementazioni Open-Source: Gli autori forniscono le prime implementazioni open-source di recenti modelli di fondazione per wearable, specificamente il modello Wearable Health Behavior (WBM) di Apple e il Large Sensor Model (LSM-2) di Google, insieme a baseline classiche (XGBoost, MultiRocket, GRU-D) e modelli di fondazione per serie temporali (Chronos-2, Toto).

Risultati

Gli autori hanno valutato una gamma di modelli sul benchmark OpenMHC:

Task Predittivi (Track 1):
- LSM-2 (l'autoencoder mascherato di Google) ha ottenuto le migliori prestazioni complessive (Ranking Medio $R=2.20$ , Skill Score $S=+15.1\%$ ), superando altri modelli di fondazione e metodi classici.
- XGBoost era il concorrente più vicino ( $R=3.52$ , $S=+11.6\%$ ), particolarmente forte nella Demografia, evidenziando che modelli semplici ben ottimizzati rimangono altamente competitivi.
- WBM (il modello contrastivo di Apple) ha ottenuto prestazioni inferiori, probabilmente a causa della sua dipendenza da segmenti settimanali contigui, che riduce i dati utilizzabili data la natura sparsa del wear reale.
- GRU-D ha ottenuto il punteggio di equità (fairness) più alto, suggerendo una migliore parità di prestazioni tra i sottogruppi demografici.
- LLM: Gli LLM della famiglia Gemini valutati in contesti zero-shot e few-shot hanno generalmente ottenuto prestazioni inferiori al baseline Lineare, fallendo nell'estrarre segnale sufficiente dalle rappresentazioni testuali o visive dei dati.
Imputazione (Track 2A):
- LSM-2-Sparse (contesto di 7 giorni) ha ottenuto i migliori risultati ( $S=+64.7\%$ ), superando significativamente i baseline statistici e altri modelli neurali come BRITS e DLinear.
- I risultati suggeriscono che i modelli addestrati specificamente su pattern di mancanza realistici (come LSM-2) generalizzano meglio ai gap strutturati presenti nei dati wearable rispetto ai modelli addestrati su mascheramento casuale.
Forecasting (Track 2B):
- Chronos-2 (fine-tuned) ha ottenuto le migliori prestazioni complessive ( $R=3.56$ , $S=+37.6\%$ ).
- Tuttavia, i modelli di fondazione hanno mostrato punteggi di equità inferiori rispetto a DLinear, indicando che i guadagni di accuratezza non si sono necessariamente tradotti in prestazioni eque tra i gruppi demografici.

Significato e Rivendicazioni

Il documento sostiene che OpenMHC democratizza la ricerca sull'IA per la salute nei wearable fornendo l'infrastruttura necessaria (dati, codice, benchmark) per la scienza riproducibile. Le intuizioni chiave derivate dallo studio includono:

Gli Obiettivi di Pre-addestramento Contano: La scelta dell'obiettivo di pre-addestramento (ad es., ricostruzione mascherata rispetto all'apprendimento contrastivo) influenza significativamente le prestazioni a valle, con la ricostruzione mascherata che appare più adatta alla natura sparsa e irregolare dei dati wearable.
Semplicità vs Complessità: Modelli semplici ma ben ottimizzati (come XGBoost) rimangono altamente competitivi con le complesse architetture di deep learning, mettendo in guardia contro l'inutile complessità.
Contesto Longitudinale: Sfruttare una storia personale estesa (ad es., finestre di 7 giorni) fornisce chiari benefici per l'imputazione e il forecasting, indicando una direzione promettente per la ricerca futura.
L'Accesso ai Dati è il Collo di Bottiglia: Il campo non è limitato dai vincoli algoritmici ma dall'accesso ai dati; OpenMHC mira a rimuovere questa barriera per favorire una più ampia partecipazione della comunità e accelerare il progresso.

Gli autori segnalano esplicitamente i limiti, tra cui lo squilibrio demografico (prevalentemente bianchi, maschi, basati negli USA) e il fatto che gli esiti sono auto-riferiti piuttosto che clinicamente adjudicati, il che significa che i task sono inquadrati come rilevamento/caratterizzazione piuttosto che come predizione prospettica di eventi clinici.