AI som debatterar med sig själv har funnit en viktig varningssignal för depression i smartklockor

För 9 279 personer som bar träningsarmband var det tydligaste fysiska tecknet på depression inte hur mycket sömn de fick. Det var den rena, kaotiska slumpmässigheten i när de faktiskt lade huvudet på kudden.

Ett artificiellt intelligenssystem vid namn CoDaS grävde fram detta mönster ur ett berg av röriga loggar från smartklockor. Men det som gör upptäckten betydelsefull är inte bara vad AI:n fann, utan hur den kom fram till det. Istället för att bara kasta algoritmstyrda gissningar på mänskliga forskare, byggdes denna mjukvara för att aggressivt argumentera med sig själv tills den kunde bevisa sin egen slutsats.

En inbyggd skeptiker

De flesta maskininlärningsverktyg är ivriga att behaga och hittar mönster där inga finns bara för att kunna leverera ett resultat. CoDaS fungerar annorlunda och använder vad utvecklarna kallar en Adversarial Agent (en motstridig agent). Man kan se det som en digital expertpanel fångad inuti en server.

När huvudsystemet upptäcker en potentiell koppling mellan en fysiologisk egenhet och en sjukdom, kliver den motstridiga agenten in för att spela djävulens advokat. Den efterliknar den hänsynslösa skepticismen hos en mänsklig granskare och försöker medvetet rasera hypotesen genom att tvinga systemet att validera exakt samma fynd i helt oberoende grupper av människor. Om mönstret inte håller i den nya datan, kastas det bort.

Under den senaste körningen av över 9 000 deltagarobservationer tog denna interna friktion fram 41 kandidatmarkörer för psykisk ohälsa och 25 för metabola sjukdomar. Varje överlevande datapunkt var tvungen att vara förankrad i befintlig medicinsk litteratur.

Den cirkadiska varningsflaggan

Den mest slående signalen som överlevde detta algoritmiska eldprov var "cirkadisk instabilitet". Medan hälsoappar för konsumenter är besatta av att uppnå en solid åtta timmars sömn, flaggade AI:n högst inkonsekventa tider för sänggående och uppvaknande som en primär markör för depression.

Systemet upptäckte inte bara detta som en engångsanomali. Genom att tvinga sitt motstridiga protokoll att kontrollera beräkningarna, bekräftade CoDaS en stark korrelation mellan oregelbundna scheman och höga depressionspoäng i två helt separata studiegrupper.

Att sålla fram det relevanta

Trots att teamet bakom CoDaS framgångsrikt har förvandlat konsumentbärbara enheter till ett provisoriskt medicinskt laboratorium, behandlar de mjukvaran som ett screeninglager snarare än en robotläkare. Den är utformad för att gå igenom miljontals datapunkter och ge mänskliga forskare en kortlista med högst sannolika digitala signaturer för sjukdom.

Denna "human-in-the-loop"-metod innebär att AI:ns logik måste förbli spårbar. Innan någon av dessa algoritmiska insikter kommer i närheten av en patients faktiska behandlingsplan, måste en människa fortfarande verifiera resonemanget.

Vi har inte kapacitet att manuellt granska all fysiologisk data som strömmar ut från moderna bärbara enheter. Men att låta ett automatiserat, skeptiskt system göra grovjobbet skulle i tysthet kunna uppgradera smartklockan från en dyr stegräknare till genuin medicinsk infrastruktur.