167. 用可穿戴设备数据建立甲状腺发作预警模型

他们做了什么

发帖人通过 Apple 健康导出了 9.5 年的 Apple Watch 数据，以及 Whoop 的数据，标注出与甲亢阶段吻合的时期，然后把数据集交给 Claude Code，让它做一个检测器。在评论中，他们说 Claude 花了一个多小时尝试了许多模型，最终选定 XGBoost，设计了 53 个特征，最后只保留了三个静息心率特征；发帖人还留出了最近一次发作，用来手动检验结果。

结果如何

他们说，在留出的那次发作上回测显示，模型本可以在 8 月初就发出警示，而化验直到月底才确认。在评论中，他们把它定位为一个提醒自己去做确认性化验的早期预警，而不是诊断，也不会自动调整用药。

需要知道

讨论帖中最明显的一点是，这依赖于近十年的个人可穿戴设备数据，以及人工标注的发作期；据说光是模型搜索就运行了一个多小时。

你可以这样尝试

我已经把 [Apple Watch、Whoop 等] 的可穿戴设备数据导出到 [文件夹路径]，时间跨度为 [日期范围]。建立一个模型，寻找在过去几次 [健康事件，附日期] 之前，[静息心率、心率变异性、睡眠等] 出现的规律，并回测它能否提前给我预警。最后用通俗的语言写一份报告，说明发现了什么、可靠性如何，并注明这只是出于个人好奇，不构成医疗建议。