🤖 machine learning

OpenMHC: Accelerating the Science of Wearable Foundation Models

Este artigo apresenta o OpenMHC, um conjunto de dados abrangente e de acesso aberto contendo mais de 60 milhões de horas de dados de saúde de dispositivos vestíveis de quase 12.000 participantes, juntamente com implementações de código aberto de modelos de fundação e um benchmark unificado, para democratizar e acelerar a pesquisa em IA de saúde vestível.

Autores originais: 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

Publicado 2026-07-22

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: 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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que o seu smartwatch é um detetive minúsculo e incansável que nunca dorme. A cada minuto do dia, ele sussurra segredos para o seu telefone: quantos passos você deu, quão rápido seu coração acelerou, quão profundo você dormiu e até quantos lances de escada você conquistou. Por anos, cientistas quiseram ensinar os computadores a ouvir esses sussurros e entender melhor a nossa saúde. Eles chamam esses computadores superinteligentes de "modelos de fundação". Pense neles como um mestre cuca que já provou todos os pratos do mundo; uma vez que ele aprendeu os sabores, pode inventar novas receitas ou identificar um ingrediente ruim instantaneamente. Mas aqui está o problema: para se tornar um mestre cuca, você precisa de uma cozinha enorme e cheia de ingredientes. No mundo dos dados de saúde, as maiores cozinhas foram trancadas atrás de portas fechadas, pertencentes a grandes empresas de tecnologia, deixando os pesquisadores apenas com armários minúsculos e vazios. Sem dados suficientes, esses chefs de IA não conseguem aprender a história completa de como nossos corpos se movem e sentem.

É aqui que uma equipe de pesquisadores de Stanford, Imperial College London e outros entra com uma chave mestra. Eles destrancaram as portas do estudo "My Heart Counts", um experimento de saúde digital que está em execução há mais que uma década. Eles estão liberando um tesouro chamado OpenMHC. Isso não é apenas um pequeno lanche; é um banquete de mais de 67 milhões de horas de dados de dispositivos vestíveis de quase 12.000 pessoas. Inclui tudo, desde contagens de passos e frequências cardíacas até padrões de sono e registros de treinos, coletados de iPhones e Apple Watches. Junto com esse conjunto gigante de dados, eles também estão compartilhando as "receitas" (código) e os "mestres cucas treinados" (modelos de IA) que construíram para testá-lo. O objetivo deles é permitir que qualquer pessoa, em qualquer lugar, tente cozinhar novas maneiras de prever problemas de saúde, preencher dados ausentes ou prever como nossos corpos podem se comportar amanhã.

Nota Importante sobre os Ingredientes: Antes de começar a cozinhar, é importante saber que esta cozinha tem algumas peculiaridades específicas. As pessoas que contribuíram com os dados são majoritariamente dos EUA, e o grupo é inclinado para homens brancos no final dos trinta anos. Isso significa que os "sabores" que a IA aprende podem não ter o gosto exato para todas as outras pessoas do mundo. Além disso, como este foi um estudo digital, todas as informações de saúde (como se alguém tem diabetes ou quão feliz a pessoa se sente) foram autorrelatadas pelos usuários. Isso introduz algum "ruído" ou incerteza nos rótulos, o que pode dificultar o aprendizado de padrões perfeitos pela IA. Finalmente, a IA é projetada para detectar traços de saúde com base nos dados coletados no momento do questionário, não para prever eventos médicos futuros, como um ataque cardíaco acontecendo no próximo ano.

A Grande Revelação: O Que Eles Descobriram

Os pesquisadores não apenas despejaram os dados; eles construíram um grande parquinho para ver quais modelos de IA realmente faziam sentido. Eles estabeleceram três desafios principais:

Predição: A IA consegue adivinhar seus traços de saúde (como se você tem diabetes ou quão feliz você é) apenas olhando para os dados do seu relógio?
Imputação (Preenchimento de Lacunas): Como as pessoas tiram os relógios para tomar banho ou carregá-los, os dados têm buracos. A IA consegue adivinhar o que aconteceu durante esses minutos ausentes?
Previsão (Forecasting): A IA consegue prever como será sua atividade nas próximas 24 horas?

Aqui está o que eles descobriram:

1. O "Chef Especializado" Vence, mas o "Cozinheiro Simples" Ainda é Forte
Quando testaram diferentes modelos de IA, um modelo chamado LSM-2 (um tipo de modelo de fundação treinado especificamente em dados de wearables) revelou-se o melhor mestre cuca geral. Foi o mais consistente na previsão de resultados de saúde e no preenchimento de dados ausentes. No entanto, os pesquisadores descobriram algo surpreendente: um modelo muito mais simples e antigo, chamado XGBoost (que é como uma calculadora muito organizada e baseada em regras), ficou em um segundo lugar muito próximo. Na verdade, para algumas tarefas, o modelo simples foi tão bom quanto a IA sofisticada e complexa. Isso sugere que, embora a grande IA seja poderosa, não devemos assumir que "mais complexo" é sempre "melhor". Às vezes, uma ferramenta simples e bem ajustada faz maravilhas.

2. Grandes Modelos de Linguagem (Como Chatbots) Tiveram Dificuldades
A equipe também tentou usar grandes modelos de linguagem (aqueles que escrevem ensaios e conversam com você) para resolver esses enigmas de saúde. Eles alimentaram os modelos com os dados em formato de texto ou imagens de gráficos. O resultado? Esses chatbots gigantes geralmente tiveram um desempenho pior do que os modelos de saúde especializados e até mesmo do que as calculadoras simples. Parece que, para ler a "linguagem" específica de batimentos cardíacos e passos, uma ferramenta especializada é muito melhor do que uma de uso geral.

3. Memória de Longo Prazo Ajuda
Quando se tratava de preencher os dados ausentes (imputação), os modelos que conseguiam observar o histórico de um usuário ao longo de vários dias foram muito melhores do que aqueles que olhavam apenas para um único dia. É como tentar adivinhar o que alguém está fazendo agora: se você só os vê por um minuto, pode errar. Mas se você sabe que eles costumam correr às 18h, pode fazer um palpite muito mais inteligente. O artigo sugere que usar o histórico de longo prazo de um usuário é a chave para tornar esses modelos mais inteligentes.

4. Equidade Importa
Os pesquisadores também verificaram se os modelos tratavam todos de forma igual. Eles descobriram que, embora os modelos de IA sofisticados fossem precisos, eles às vezes cometiam erros maiores para certos grupos de pessoas (como diferentes faixas etárias ou gêneros) em comparação com os modelos mais simples. Este é um lembrete crucial de que, ao construir essas ferramentas de saúde, devemos garantir que elas funcionem de forma justa para todos, e não apenas para a maioria.

Por Que Isso Muda o Jogo

Antes deste artigo, se você quisesse construir uma IA para entender dados de saúde de wearables, você ficava travado. Você não conseguia obter os dados e não conseguia ver como as grandes empresas treinavam seus modelos. Era como tentar aprender a pilotar um avião sem nunca ter visto uma cabine de comando.

O OpenMHC muda isso ao dar a todos a cabine de comando, o manual de voo e o simulador de treinamento. Ao liberar os dados de 11.894 participantes abrangendo 13 anos, junto com o código para rodar os modelos, os autores democratizaram o campo. Eles não estão alegando ter resolvido todos os mistérios da saúde ainda; de fato, admitem que, para algumas condições, a IA ainda tem dificuldade em superar uma linha de base simples devido à natureza dos dados autorrelatados. Mas eles forneceram a base para que toda a comunidade científica possa começar a cozinhar, experimentar e, esperançosamente, descobrir novas maneiras de nos manter saudáveis. A cozinha está aberta, e os ingredientes estão prontos para qualquer um usar.

Resumo Técnico: OpenMHC: Acelerando a Ciência dos Modelos de Fundação para Wearables

Declaração do Problema

Embora os dispositivos móveis e vestíveis (wearables) ofereçam oportunidades sem precedentes para o monitoramento de saúde contínuo e passivo, o campo da IA para saúde em wearables é dificultado pela falta de dados abertos e de grande escala. Os principais modelos de fundação para wearables são tipicamente treinados em conjuntos de dados proprietários que não estão disponíveis publicamente, e seus pesos de modelo e código de treinamento raramente são disponibilizados como código aberto. Os conjuntos de dados públicos existentes são frequentemente de pequena escala, utilizam sensores especializados de nível de pesquisa ou carecem da profundidade longitudinal e diversidade necessárias para treinar e avaliar modelos de fundação. Esse silo de dados limita a reprodutibilidade, a participação mais ampla da comunidade e a capacidade de estabelecer benchmarks padronizados para comparar modelos em diversos domínios de saúde.

Metodologia

Os autores abordam essas lacunas por meio da curadoria do OpenMHC (OpenMyHeartCounts), um conjunto de dados abrangente e de acesso aberto derivado do estudo My Heart Counts (MHC), um estudo de saúde cardiovascular de grande escala conduzido na Universidade de Stanford.

1. O Conjunto de Dados OpenMHC

Escala e Escopo: O conjunto de dados compreende registros longitudinais de 11.894 participantes que consentiram, coletados ao longo de um período de 13 anos (2012–2025). Inclui 67 milhões de horas de dados de wearables em resolução de minuto.
Modalidades de Dados:
- Dados de Sensores Passivos: 19 canais de sensores com resolução de minuto, incluindo contagem de passos, distância, subida de lances (flights climbed), frequência cardíaca, energia ativa, sono (acordado/na cama) e 10 tipos de exercícios. Os dados são extraídos do Apple HealthKit via iPhones e Apple Watches (e outros dispositivos compatíveis).
- Variáveis Vinculadas: 169 variáveis autorrelatadas e esparsas do HealthKit cobrindo demografia, condições médicas, sinais vitais, biomarcadores, bem-estar mental, sono e estilo de vida.
Demografia: Os participantes são predominantemente dos EUA (~90%), com coortes menores do Reino Unido e Hong Kong. A coorte abrange 92 modelos de dispositivos distintos e inclui usuários com até 10,7 anos de histórico de dados, embora a participação mediana seja menor devido à típica atrição em mHealth.
Pré-processamento: Os autores desenvolveram um pipeline rigoroso para construir matrizes diárias de nível de minuto ( $19 \times 1440$ ), lidando com a heterogeneidade de dispositivos, ausência de dados (tempo de não uso) e outliers fisiológicos. Eles definem heurísticas específicas para detecção de não uso e imputação de dados ausentes.

2. O Benchmark OpenMHC

Para permitir a avaliação padronizada, os autores estabeleceram um benchmark unificado com três trilhas:

Trilha 1: Tarefas Preditivas: 32 tarefas supervisionadas em cinco domínios (Demografia, Condições Médicas, Sinais Vitais e Biomarcadores, Bem-estar Mental, Sono e Estilo de Vida). As tarefas incluem classificação binária, classificação ordinal e regressão.
Trilha 2A: Generativa (Imputação): Avaliação de métodos para reconstruir dados de sensores ausentes. Isso inclui Imputação de Dia Único (mascaramento dentro de uma janela de 24 horas) e Imputação de Longo Contexto (alavancando até 7 dias de histórico). As estratégias de mascaramento simulam falhas do mundo real: estruturais (ruído aleatório, fatias temporais, perda de sinal) e semânticas (lacunas de sono, lacunas de exercícios, falhas de intensidade).
Trilha 2B: Generativa (Previsão): Previsão de resolução horária para as próximas 24 horas de dados de wearable baseada em trajetórias históricas.

3. Estrutura de Avaliação

O benchmark emprega Métricas de Avaliação Unificadas para agregar o desempenho através de tarefas heterogêneas:

Pontuação de Habilidade (Skill Score - $S$ ): Mede a redução relativa de erro contra um modelo de referência fixo (ex: Linear para predição, LOCF para imputação, Seasonal Naive para previsão).
Ranking Médio: Avalia a consistência entre as tarefas.
Pontuação de Habilidade de Equidade (Fairness Skill Score): Avalia a paridade de desempenho entre subgrupos demográficos sensíveis (sexo e idade).

Principais Contribuições

Lançamento do OpenMHC: O maior e mais abrangente conjunto de dados de saúde para wearables de acesso aberto até o momento, permitindo o pré-treinamento e a avaliação em larga escala de modelos de fundação em dados de consumo do mundo real.
Primeiro Benchmark de Grande Escala Público: Um conjunto de avaliação padronizado cobrindo tarefas de predição, imputação e previsão que reflete a complexidade dos dados de wearables do mundo real (ausência de dados, amostragem irregular, heterogeneidade).
Implementações de Código Aberto: Os autores fornecem as primeiras implementações de código aberto de modelos de fundação recentes para wearables, especificamente o modelo de Comportamento de Saúde de Wearable (WBM) da Apple e o Large Sensor Model (LSM-2) do Google, juntamente com baselines clássicos (XGBoost, MultiRocket, GRU-D) e modelos de séries temporais de fundação (Chronos-2, Toto).

Resultados

Os autores avaliaram uma gama de modelos no benchmark OpenMHC:

Tarefas Preditivas (Trilha 1):
- O LSM-2 (autoencoder mascarado do Google) alcançou o melhor desempenho geral (Ranking Médio $R=2,20$ , Pontuação de Habilidade $S=+15,1\%$ ), superando outros modelos de fundação e métodos clássicos.
- O XGBoost foi o competidor mais próximo ( $R=3,52$ , $S=+11,6\%$ ), sendo particularmente forte em Demografia, destacando que modelos simples bem ajustados permanecem altamente competitivos.
- O WBM (modelo contrastivo da Apple) teve um desempenho inferior neste cenário, provavelmente devido à sua dependência de segmentos semanais contíguos, o que reduz os dados utilizáveis dado o caráter esparso dos dados do mundo real.
- O GRU-D alcançou a maior pontuação de equidade, sugerindo melhor paridade de desempenho entre subgrupos demográficos.
- LLMs: LLMs da família Gemini avaliados em configurações zero-shot e few-shot geralmente tiveram desempenho inferior ao baseline Linear, falhando em extrair sinal suficiente das representações de texto ou visão dos dados.
Imputação (Trilha 2A):
- O LSM-2-Sparse (contexto de 7 dias) alcançou os melhores resultados ( $S=+64,7\%$ $S = + 64, 7%$ ), superando significativamente os baselines estatísticos e outros modelos neurais como BRITS e DLinear.
  - Os resultados sugerem que modelos treinados especificamente em padrões de ausência realistas (como o LSM-2) generalizam melhor para as lacunas estruturadas encontradas em dados de wearables do que modelos treinados em mascaramento aleatório.
Previsão (Trilha 2B):
- O Chronos-2 (ajustado/fine-tuned) alcançou o melhor desempenho geral ( $R=3,56$ , $S=+37,6\%$ ).
- No entanto, os modelos de fundação mostraram pontuações de equidade menores em comparação ao DLinear, indicando que os ganhos de precisão não se traduziram necessariamente em desempenho equitativo entre grupos demográficos.

Significância e Alegações

O artigo afirma que o OpenMHC democratiza a pesquisa de IA para saúde em wearables ao fornecer a infraestrutura necessária (dados, código, benchmarks) para a ciência reprodutível. Insights principais derivados do estudo incluem:

Objetivos de Pré-treinamento Importam: A escolha do objetivo de pré-treinamento (ex: reconstrução mascarada vs. aprendizado contrastivo) impacta significativamente o desempenho downstream, com a reconstrução mascarada parecendo mais adequada à natureza esparsa e irregular dos dados de wearables.
Simplicidade vs. Complexidade: Modelos simples e bem ajustados (como XGBoost) permanecem altamente competitivos com arquiteturas complexas de deep learning, alertando contra a complexidade desnecessária.
Contexto Longitudinal: Alavancar o histórico pessoal estendido (ex: janelas de 7 dias) fornece benefícios claros para imputação e previsão, apontando para uma direção promissora para pesquisas futuras.
O Acesso aos Dados é o Gargalo: O campo não é limitado por restrições algorítmicas, mas pelo acesso aos dados; o OpenMHC visa remover essa barreira para fomentar uma participação ampla da comunidade e acelerar o progresso.

Os autores explicitamente observam limitações, incluindo o viés demográfico (predominantemente branco, masculino, baseado nos EUA) e o fato de que os desfechos são autorrelatados e não clinicamente adjudicados, o que significa que as tarefas são enquadradas como detecção/caracterização, e não como predição clínica prospectiva de eventos.