những người đó. Máy dự đoán sau đó sẽ so sánh những mẫu nhịp tim với
nhịp điệu bình thường và bất thường. Sự so sánh này sẽ dẫn đến sự dự
đoán. Nếu mẫu dữ liệu nhịp tim mới giống với mẫu “đào tạo” của những
người có nhịp tim bất thường hơn là với mẫu của những người có nhịp tim
bình thường, thì máy sẽ dự đoán rằng bệnh nhân này có nhịp tim bất
thường.
Giống như nhiều ứng dụng y khoa khác, Cardiogram thu thập dữ liệu bằng
cách làm việc với nhiều nhà nghiên cứu học thuật đã theo dõi 6.000 người
dùng để hỗ trợ việc nghiên cứu. Trong số 6.000 người dùng, khoảng 200
người đã được chẩn đoán với nhịp tim bất thường. Vậy tất cả những gì
Cardiogram làm là thu nhập dữ liệu về các mẫu nhịp tim từ Apple Watch và
so sánh.
Những sản phẩm như vậy sẽ tiếp tục cải thiện độ chính xác của sự dự đoán
ngay cả sau khi được phát hành. Máy dự đoán cần dữ liệu phản hồi xem
liệu sự dự đoán của nó có chính xác hay không. Vậy nên, nó cần dữ liệu về
tỷ lệ của nhịp tim bất thường trong số những người dùng. Máy sẽ kết hợp
dữ liệu nhịp tim bất thường với dữ liệu đầu vào về việc theo dõi tim mạch
để cung cấp phản hồi và liên tục cải thiện độ chính xác của sự dự đoán.
Tuy nhiên, sự thu thập dữ liệu đào tạo có thể sẽ là một thách thức. Để dự
đoán những đối tượng trong cùng một nhóm (trong trường hợp này, bệnh
nhân mắc bệnh tim), bạn cần thông tin về tỉ lệ kết quả đầu ra cũng như
thông tin hữu ích cho việc dự đoán kết quả đầu ra trong bối cảnh mới (theo
dõi tim mạch). Điều này đặc biệt khó khăn khi dự đoán là về sự kiện trong
tương lai. Để đưa ra sự dự đoán này, bạn cần dữ liệu ở thời điểm bạn cần
đưa ra sự dự đoán.
Rất nhiều ứng dụng AI thương mại có cấu trúc như sau: sử dụng sự kết hợp
của dữ liệu đầu vào và kết quả đầu ra ước tính để tạo ra máy dự đoán, và
rồi sử dụng dữ liệu đầu vào từ một tình huống mới để dự đoán kết quả đầu
