体育活动可以为广谱健康预测提供可扩展的基础建模

可穿戴和移动传感技术已显示出健康推断的强大潜力；然而，大多数传感器模型都是针对特定疾病类型而设计的，限制了它们在不同健康风险中的可转移性。可穿戴基础模型为不同的健康风险类型提供了更通用的方法。然而，大多数现有方法依赖于高频原始传感器数据，引发了对隐私、计算开销以及跨设备和人群的可扩展性的担忧。在本文中，我们提出了 StepFM，这是一种仅基于步数计数器数据构建的基础模型，用于广谱健康预测。利用步进数据的普遍性和低维性质，StepFM 为传统的基于传感器的模型提供了实用、隐私保护和计算高效的替代方案。我们设计了一个可扩展的 预训练 框架，该框架可以从大规模步骤序列中捕获时间动态和行为模式，从而能够跨跨不同设备、新区域和新疾病类型的 20 多个健康风险预测任务进行传输。大量实验表明，与现有方法相比，StepFM 实现了强大的性能，同时保持了跨异构设置的鲁棒性。此外，我们的分析揭示了身体活动模式与各种健康风险之间的可解释和可概括的关系，为基于活动的健康模型提供了新的见解。我们的工作将基于步骤的传感建立为可扩展和现实世界健康监测的可行基础。