健康数据相关 AI 资讯 · AI 热点

7月2日

02:54

02:54

Philipp Schmid@_philschmid

ghealth 是一个开源命令行工具，可拉取 40 种健康指标，包括睡眠分解和心率数据。使用 --detail 标志可获取每阶段数据（清醒、深睡、REM），便于周度模式分析。设置通过向导自动处理 GCP 项目、OAuth 和授权范围，耗时数分钟。数据可直接输送给 AI 智能体。

AI产品 ghealth Google Health API Fitbit Air 命令行工具健康数据

推荐理由：朋友，想要在终端里一键拉取 Fitbit Air 的 40 种健康数据，还能直接喂给 AI 助手？试试 ghealth 吧，开源设置也简单。

6月27日

22:24

22:24

techcrunch@Connie Loizos

Connor Christou确诊癌症后，将血检结果、扫描数据、穿戴设备输出和日记全部输入Claude来辅助决策。Claude帮助他整合多模态健康数据，识别出传统医疗流程中易被忽略的模式。他通过AI对比不同治疗方案的临床试验数据，最终选择了定制化疗法。整个过程强调数据驱动而非猜测，并公开了具体操作流程。

技巧 Claude 创始人癌症健康数据 AI医疗

推荐理由：有人把血检、扫描、手表数据全喂给Claude来治癌症，不是科幻，是他真这么干了。

5月19日

14:29

14:29

官方账号arXiv cs.AI@Aditya Tanna, Nassim Bouarour, Mohamed Bouadi, Vinay Kumar Sankarapu, Pratinav Seth

精选

表格基础模型在健康数据集上表现优异，但高推理成本和基础设施需求限制了实际应用。研究者提出通过知识蒸馏将预测能力转移至轻量表格模型，并针对上下文表格模型在推理时依赖训练集导致的上下文泄露问题，采用分层折叠教师标注策略。在19个医疗数据集、6个教师模型、4个学生模型家族及多教师集成实验中，蒸馏学生模型保留了教师AUC的至少90%，部分甚至超越教师，同时CPU推理速度提升至少26倍，且保持校准性和公平性。多教师平均并未持续优于最佳单教师。该研究为推理受限的健康场景部署高质量预测提供了可行路径。

论文表格基础模型知识蒸馏健康数据推理效率公平性

推荐理由：医疗AI团队终于有了低成本部署高精度表格模型的方案——蒸馏后模型保留90%性能且快26倍，做健康数据预测的开发者可以直接用。