Portar un registre del que es menja és una de les coses més útils i més pesades del seguiment de la salut: la gent s'oblida d'anotar els àpats o els descriu amb dues paraules. Un equip d'Apple, amb un investigador que també és de la Universitat de Princeton, s'ha preguntat si el sensor òptic que els rellotges intel·ligents fan servir per mesurar el pols (la fotopletismografia, que llegeix els canvis de flux de sang al canell) podria aportar-hi informació.
L'estudi, publicat el 7 de novembre a «npj Digital Medicine», de la família de revistes de Nature, va entrenar un model de llenguatge amb 1,1 milions d'àpats per relacionar les lectures del sensor amb la descripció de cada menjar. Les dades surten de l'Apple Heart & Movement Study, fet amb l'American Heart Association i el Brigham and Women's Hospital, i d'un estudi de validació a part. Segons els autors, les lectures de prop de l'hora de menjar porten un senyal propi de cada àpat, que va més enllà de les característiques de cada persona, i aquest senyal es va esvaint com més lluny de l'àpat es mira. Quan s'hi afegeixen, la capacitat de predir una mesura aproximada de les calories ingerides i la sensació de sacietat millora un 11% (en l'indicador estadístic AUC), tant en grups de participants que el model no havia vist com en una cohort independent.
Si es confirma, el rellotge podria completar els diaris d'alimentació escrits, sobretot quan les descripcions són curtes, i ajudar en el seguiment de la diabetis, l'obesitat o els trastorns alimentaris. És també un exemple de com la IA aprèn a treure informació nova d'un sensor que milions de persones ja porten posat.
El sensor no diu què ha menjat ningú: el que fa és millorar una predicció que parteix de la descripció escrita de l'àpat, i la millora és moderada. Tots els autors són empleats d'Apple i en tenen accions, cosa que declaren a l'article, i les dades provenen dels seus propis estudis. Caldran treballs independents per saber si el resultat aguanta amb altres rellotges i en altres poblacions.