轻度认知障碍（学名阿尔茨海默氏症。影响15％至20％的65岁以上人群）通常会迅速而安静地发展。患有这种疾病的人患痴呆症的风险非常高，因此尽早发现至关重要。


苹果公司和图宾根大学的研究人员认为， iOS应用程序的使用习惯能够预测认知障碍。为此，他们提出了一种机器学习方法，以揭示有无认知障碍的用户之间的模式差异。它达到了0.79接收器工作特性下的一个区域，这表明它能够在大约80％的时间内正确发现有症状的对象。

研究小组在报告中写道：“智能手机在许多人的生活中无处不在，使其成为有关人的心理和认知状态的丰富信息来源。” “在这里，我们……调查[应用程序使用模式]在多大程度上有助于人们的认知健康。”



科学家的无监督模型自动发现数据分类所需的表示形式，从使用应用程序的序列中识别出不同类型的交互，然后将其传递给单独的认知健康预测模型。整个框架经过精心设计，易于解释，因此应用程序（如消息）与运行状况之间的关系强度变得不言而喻，其诊断很大程度上取决于用户行为的结构。

系统首先在交互会话过程中对使用情况进行细分，以便将从手机解锁之时到手机被锁定时打开的应用程序分组在一起。为了编码这些应用程序的相似性，研究人员训练了一种算法，可以根据给定的前三个和后三个应用程序来预测一个人可能会启动哪个应用程序。应用程序用嵌入（即数字）表示，这些嵌入被平均在一起以获得每个会话的单个表示。接下来，将表示形式聚类以标识不同的会话类型，并且通过会话时间和类型对索引和汇总的一系列数据点来表示用户的应用使用情况。这用作认知健康预测指标的输入。

该小组进行了一项研究，挑选了113位老年人参与研究，其中31位被诊断为认知障碍，而82位没有，他们贡献了12周的电话使用数据。他们分析了对模型决策贡献最大的四种会话类型，然后可视化了每个会话中应用之间的差异以及15个最常见应用的总体分布。



有趣的是，研究人员发现，与症状评分高最密切相关的会话类型主要由以下应用程序对决定：呼叫和电话，消息和邮件，邮件和Safari，然后是时钟和日历。另一方面，与低分数相对应的类型以Messages，Safari，Mail和Facebook居首。总体而言，具有较高的Messages和Mail或Mail和Safari使用率的会话大大提高了该模型的症状预测得分，而具有大量Messages或Safari会话或Mail和Facebook会话的会话类型则降低了该评分。

研究人员说，对于症状评分较高的受试者，电话，日历和时钟等应用程序的贡献可观。与那些得分较低的应用程序（例如Messages，Instagram和Camera）相反。但是，消息或邮件等应用程序的影响似乎取决于会话中周围的应用程序。例如，当Messages与Mail或Safari共享会话时，它会大大提高预测分数，而当Messages单独存在或与Facebook或Instagram进行会话时，它将降低预测分数。

研究人员承认，他们的工作有几个潜在的局限性，其中主要是样本量小以及进入研究时已经诊断出有症状的受试者。不过，他们说，仅通过应用程序的使用就可以证明健康受试者和有症状受试者之间的系统差异，他们打算通过在每个会话，一天中的时间，运动状态和其他环境中合并应用程序的顺序，以此在工作上进一步研究取得进展。



值得注意的是，这并不是苹果第一次利用人工智能来预测用户的健康状况。苹果公司的工程师们对2500多人进行了一项研究，训练一种检测跌倒的算法，并将其应用于Apple Watch Series 4和Series 5中。