从24小时手腕运动了解人体健康与疾病

人类健康和功能的大部分表现超出了临床范围，通过日常生活的活动来实现。腕戴式加速度计连续捕捉这些运动，但它们丰富的信号通常被简化为一小组预定义的行为汇总测量。在这里，我们介绍 Sensori，这是一种自我监督的基础模型，可以直接从 24 小时的原始三轴手腕运动中学习通用健康表征。我们在来自英国、中国和美国的四个人群中开发并评估了该模型，其中包括 122,640 名参与者，贡献了 683,617 人日的自由生活记录。 Sensori 将每天的运动浓缩为一种表征，捕捉不同的运动行为、人口特征、健康轴和身体机能。独立队列的评估表明，这些表征在人群和测量环境中都具有普遍性，无需再训练。当添加到常见的临床协变量中时，Sensori 显着改善了 102 种符合条件的病症中的 52 种的流行疾病分类（中位 delta AUROC，0.060；范围，0.012-0.242）以及 87 种符合条件的病症中的 26 种的疾病风险预测（中位 delta Uno 的 C 指数，0.064；范围，0.025-0.172），其中神经系统疾病的收益最大和精神疾病。这些发现将 24 小时手腕运动确立为丰富且可扩展的健康信息来源，有可能支持人口规模的被动健康监测和疾病预测。