นวัตกรรม AI จากอุปกรณ์สวมใส่: พยากรณ์สุขภาพ CKM และโค้ชแผนส่วนบุคคล

โรคหัวใจ สภาวะทางไต และความผิดปกติของเมแทบอลิซึม เช่น โรคเบาหวานชนิดที่ 2 ไม่ใช่ปัญหาที่แยกขาดจากกัน แต่เชื่อมโยงกันเป็นโครงข่ายที่เรียกว่า กลุ่มอาการหัวใจ-ไต-เมแทบอลิซึม (cardiovascular-kidney-metabolic: CKM syndrome) ซึ่งมักเริ่มก่อตัวเงียบๆ นานหลายปีก่อนแสดงอาการ

การตรวจพบการเปลี่ยนแปลงเพียงเล็กน้อยผ่านนิสัยในชีวิตประจำวัน เช่น การนอนและการเคลื่อนไหว เป็นโอกาสที่ดีที่สุดในการ ย้อนกลับทิศทางของโรค อย่างไรก็ตาม ปัญหาใหญ่คือสมาร์ทวอทช์ส่วนใหญ่ทำได้เพียงบันทึกสิ่งที่เกิดขึ้นแล้ว แต่ยังไม่สามารถตอบคำถามสำคัญได้ว่า "ถ้านอนนานขึ้น 30 นาที หรือเดินเร็วขึ้น สุขภาพในอีก 3 เดือนข้างหน้าจะดีขึ้นแค่ไหน?"

ในงานวิจัย "Personalized health coaching via coachable health age and counterfactual wearable trajectories" และการศึกษาคู่ขนาน "Cardiovascular-Kidney-Metabolic Health Age Using Wearables and Blood Biomarkers" เราได้นำเสนอโครงร่างงานวิจัยที่ออกแบบมาเพื่อปิดช่องว่างนี้ ประกอบด้วย:

1. โมเดลอายุสุขภาพที่โค้ชได้ (coachable health age model): ตัวชี้วัดที่คำนวณจากพฤติกรรมประจำวันที่ปรับเปลี่ยนได้ผ่านข้อมูลอุปกรณ์สวมใส่
2. โมเดลโลกจากเซนเซอร์และระบบโค้ชแบบสมมติการณ์ (counterfactual): โมเดลการเรียนรู้ของเครื่อง (SensorWM) ที่จำลองเส้นทางสุขภาพแบบ "จะเกิดอะไรขึ้นถ้า" (what-if) เฉพาะบุคคลนาน 12 สัปดาห์ ร่วมกับเอเจนท์ภาษาที่สร้างแผนการโค้ชโดยผ่านการตรวจสอบจากแพทย์
3. การขยายสู่สุขภาพ CKM แบบหลายอวัยวะ: การรวมข้อมูลเซนเซอร์เข้ากับตัวบ่งชี้ทางชีวภาพ (biomarkers) จากผลเลือด เพื่อตรวจจับความเครียดสะสมในหัวใจ ไต และระบบเมแทบอลิซึมตั้งแต่ระยะเริ่มต้น

ตัวชี้วัดอายุสุขภาพที่คุณปรับเปลี่ยนได้จริง เพื่อให้การโค้ชได้ผลจริง เราพัฒนาโมเดลอายุสุขภาพที่โค้ชได้ (Coachable Health Age: CHA) โดยอิงจากพฤติกรรม 4 ด้านที่วัดผลได้ต่อเนื่อง ได้แก่ อัตราการเต้นของหัวใจขณะพัก, จำนวนก้าว, ระยะเวลาการนอน และ Active Zone Minutes

เราใช้วิธีทางคณิตศาสตร์คำนวณเพื่อให้ทราบ "ส่วนต่างอายุสุขภาพ (health age delta)" ซึ่งเป็นความแตกต่างระหว่าง CHA และอายุจริง หากส่วนต่างเป็นลบ หมายความว่าร่างกายคุณดูอ่อนเยาว์กว่าอายุตามปฏิทิน โดยผลการตรวจสอบจาก โครงการวิจัย All of Us พบว่าผู้ที่มีอายุสุขภาพแก่กว่าอายุจริง มีโอกาสเกิดโรคความดันโลหิตสูงและเบาหวานในอีก 8 ปีข้างหน้าอย่างมีนัยสำคัญ

การทดลองอนาคตแบบ "จะเกิดอะไรขึ้นถ้า" ด้วย SensorWM

การเปลี่ยนตัวเลขสุขภาพให้เป็นแผนปฏิบัติจริงต้องอาศัยการจำลองสถานการณ์สมมติ (counterfactual) เราจึงพัฒนา Sensor World Model (SensorWM) ที่ฝึกฝนด้วยข้อมูลกว่า 2.28 ล้านคน-สัปดาห์ เพื่อพยากรณ์ว่าหากเปลี่ยนนิสัย ค่าสรีรวิทยา 20 รายการจะเปลี่ยนแปลงอย่างไรใน 12 สัปดาห์ข้างหน้า

ระบบจะทำงานผ่าน 3 ขั้นตอนหลัก คือ 1. จำลอง (Simulate) รูปแบบนิสัยที่เป็นไปได้ 125 แบบ 2. คัดกรอง แผนที่สมจริงและปลอดภัยต่อร่างกายเฉพาะบุคคล และ 3. โค้ช (Coach) โดยใช้โมเดลภาษาแปลผลเป็นคำแนะนำที่เข้าใจง่าย

จากการศึกษาแบบปกปิด (blinded study) พบว่าโค้ชไลฟ์สไตล์และแพทย์ส่วนใหญ่พึงพอใจกับแผนที่ใช้ระบบสมมติการณ์นี้มากกว่าแผนปกติถึง 3 ต่อ 1 เนื่องจากเห็นผลลัพธ์เปรียบเทียบระหว่าง "การคงสถานะเดิม" กับ "การเปลี่ยนแปลงที่ทำได้จริง" อย่างชัดเจน

การเจาะลึกระบบอวัยวะด้วยตัวบ่งชี้ทางชีวภาพ

งานวิจัยยังขยายผลสู่การวิเคราะห์กลุ่มอาการ CKM ในแต่ละระบบอวัยวะ โดยรวมข้อมูลอุปกรณ์สวมใส่เข้ากับตัวบ่งชี้ในเลือด 3 ด้าน ได้แก่ อัตราส่วนคอเลสเตอรอล (หัวใจ), eGFR (ไต) และ HOMA-IR (เมแทบอลิซึม)

โมเดลนี้เผยให้เห็นว่าความชราของแต่ละอวัยวะอาจไม่พร้อมกัน เช่น ความเสื่อมของไตระยะแรกมักเกิดขึ้นอย่างอิสระแม้ระบบอื่นยังดูปกติ การวิเคราะห์หลายอวัยวะเฉพาะบุคคลจึงเป็นกุญแจสำคัญในการดูแลสุขภาพเชิงรุก

แม้โมเดลเหล่านี้ยังเป็นเพียงต้นแบบงานวิจัยและยังไม่ใช่เครื่องมือวินิจฉัยทางการแพทย์ แต่ถือเป็นรากฐานสำคัญในการเปลี่ยนอุปกรณ์สวมใส่จากการเป็นเพียงแค่เครื่องบันทึกข้อมูล ให้กลายเป็นระบบนำทางสุขภาพที่ช่วยให้ผู้คนสร้างนิสัยที่ยั่งยืนได้ในอนาคต