# Apple’ın en yeni AI modeli, sağlık sorunlarını %92’ye varan doğrulukla tespit etti

- Bağlantı: https://www.borsatek.com/apple-yeni-yapay-zeka-saglik/
- Yayımlanma: 2025-07-11T14:57:47+03:00
- Yazar: Haber Merkezi

[**Apple** ](https://www.borsatek.com/applea-beyaz-saray-darbesi-hisseler-tepetaklak/)
tarafından desteklenen yeni bir bilimsel araştırma, sağlık takibinde çığır açacak
bir yaklaşımı ortaya koydu. Araştırmaya göre hareket, uyku ve egzersiz gibi davranışsal
veriler, kalp atış hızı gibi geleneksel biyometrik ölçümlerden çok daha güçlü bir
sağlık göstergesi olabilir.

Bu tezi kanıtlamak için geliştirilen ve giyilebilir cihaz verileriyle eğitilen yeni
yapay zeka modeli, sağlık durumlarını tespit etmede şaşırtıcı sonuçlar verdi.

Araştırmacılar, **Apple** Kalp ve Hareket Çalışması (AHMS) kapsamında 2,5 milyar
saatten fazla giyilebilir cihaz verisiyle yeni bir temel model eğitti. Bu modelin,
düşük seviyeli sensör verilerine dayanan mevcut modellerden daha iyi performans 
gösterdiği kanıtlandı.

## Apple’ın yeni modeli WBM, davranışsal verilere odaklanıyor

![apple](https://i1.wp.com/www.borsatek.com/app/uploads/2025/07/apple_2-1024x683.
png)

Araştırmacılar, geliştirdikleri yeni modele “Giyilebilir Davranış Modeli” (WBM) 
adını verdi. Önceki sağlık modelleri genellikle **Apple** Watch’un kalp atış hızı
veya EKG gibi ham sensör verilerine dayanırken, WBM doğrudan daha üst düzey davranış
metriklerinden öğreniyor.

Bu metrikler arasında adım sayısı, yürüme dengesi, hareketlilik ve VO₂ max gibi 
[**Apple** ](https://www.apple.com)Watch’un topladığı ve işlediği veriler bulunuyor.

Peki ham sensörler varken bu yeni modele neden ihtiyaç duyuldu? Araştırmaya göre
ham sensör verileri anlık (saniyeler içinde) ve gürültülü olabiliyor. Ancak sigara
içme geçmişi, hipertansiyon veya hamilelik gibi sağlık durumlarını tespit etmek 
için günler ve haftalar gibi daha uzun zaman dilimlerindeki davranışsal eğilimler
gerekiyor.

WBM, işte bu uzun vadeli ve rafine edilmiş davranışsal verilerdeki kalıpları anlamak
için tasarlandı. Örneğin, bir kişinin yürüme şekli veya genel aktivite düzeyindeki
değişimler, hamilelik gibi durumları tespit etmede kilit rol oynayabiliyor.

## Teknik detaylar ve başarı oranları

![apple](https://i2.wp.com/www.borsatek.com/app/uploads/2025/07/apple_4-1024x592.
png)

WBM, AHMS çalışmasına katılan 161.855 kişinin **Apple** Watch ve iPhone verileri
kullanılarak eğitildi. Model, ham veri akışları yerine aktif enerji, yürüme hızı,
kalp atış hızı değişkenliği ve uyku süresi gibi insan tarafından yorumlanabilen 
27 farklı davranış metriği ile beslendi. 57 farklı sağlık görevinde test edilen 
WBM, özellikle dinamik görevlerde (hamilelik, uyku kalitesi veya solunum yolu enfeksiyonu
gibi) mevcut sensör tabanlı modellerden daha iyi performans gösterdi.

En etkileyici sonuç ise iki modelin birleştirilmesiyle elde edildi. WBM ve sensör
verilerini birlikte kullanan hibrit model, hamilelik tespitinde %92 gibi muazzam
bir doğruluk oranına ulaştı.

Ayrıca uyku kalitesi, enfeksiyon ve atriyal fibrilasyon (AFib) gibi kardiyovasküler
görevlerde de tutarlı bir şekilde daha başarılı oldu. Çalışmanın amacı, sensör verilerini
WBM ile değiştirmek değil, bu iki yaklaşımı birleştirerek daha güçlü bir sağlık 
izleme sistemi oluşturmaktır.

![apple](https://i2.wp.com/www.borsatek.com/app/uploads/2025/07/apple_5-1024x683.
png)