ساخت ماشین‌آلات شخصی
الگوی فعلی اپل از بازار انبوه سلامتیِ مبتنی بر حسگر، با این واقعیت‌ها که اکثر مردم باهم برابر نیستند، در سطوح مختلفی از سلامتی هستند و چالش‌های شخصی خودشان را دارند محدودشده است. این بدان معنی است که مشارکت‌های اپل محدود به شناسایی شرایط کلی بیشتر، ورزش، سلامت قلب و غیره است. اما همیشه این‌گونه نخواهد بود. فریمورک توسعه‌دهنده HealthKit اپل به توسعه‌دهندگان شخص ثالث اجازه می‌دهد تا به برخی از داده‌های جمعآوریشده توسط برنامه Health در دستگاه‌های این شرکت دسترسی پیدا کنند. این کار بیشتر برای ایجاد برنامه‌هایی است که بر ورزش، ردیابی خواب، سلامت قلب و رژیم غذایی متمرکز شده‌اند. این تمرکز محدود نشان می‌دهد که توسعه‌دهندگان ملزم به جمع‌آوری شواهدی هستند که نشان دهد راه‌حل‌های آن‌ها به‌منظور تهیه راهکارهای متمرکز بر سلامتی کار می‌کند. آن‌ها به یک پایگاه شواهد نیاز دارند.
ظرفیت شواهد
جمع‌آوری چنین شواهدی هزینه‌بر است. بااین‌وجود فقدان شواهد برای اثبات چگونگی کارآمد بودنِ دستگاه‌های تلفن همراه مانند Apple Watch در سناریوهای خاص، در وهله اول به‌عنوان یک بلوک برای توسعه راهکارهای جدید عمل می‌کند. اپل این معضل را تشخیص می‌دهد. در سال ۲۰۱۴ این شرکت CareKit و ResearchKit را معرفی کرد که پیش از آن دید ارزشمندی را در زمینه قلب ایجاد کرده بودند. اپل اواخر پاییز امسال با معرفی برنامه تحقیق ، که برای تحقیق در مورد سلامت زنان، شنوایی، قلب و تحرک مورداستفاده قرار خواهد گرفت، این موضوع را پیگیری خواهد کرد. اپل می‌گوید:” شرکت‌کنندگان در کشفیات بالقوه پزشکی مشارکت کرده و به ایجاد نسل بعدی محصولات پزشکی نوآورانه کمک می‌کنند.” باید امیدوار باشیم که اپل (به‌عنوان ارائه‌دهنده پلتفرم) شواهدی مبتنی بر حول اثربخشی محصولات خود در سناریوهای خاص و برای شرایط خاص ایجاد کند و همچنین بلوک‌هایی برای نیاز توسعه‌دهندگان فراهم خواهد کرد تا راهکارهایی برای مراقبت‌های شخصی بسازند.
یکی از بزرگ‌ترین این ویژگیها؟ اثبات اینکه این کارها مؤثر است.
شخصی‌سازیِ مبتنی بر اثبات
ممکن است قبل از اجرای این برنامه از ساعت اپل استفاده کنیم تا اطمینان حاصل کنیم که به‌طور منظم در طول روز ایستاده‌ایم یا سلامت قلب را مشاهده کنیم. اما با رشد شواهد مبنایی که اپل در آن سرمایه‌گذاری می‌کند، اَپ‌های آینده باید بتوانند داده‌های حسگرِ مشتق شده از ساعت را با سوابق بیمار و مجموعه داده‌های خاص جمعآوریشده از طریق تجزیه‌وتحلیل انبوه شرایط پزشکی موجود جمع کنند. توسعه‌دهندگان می‌توانند جمع‌آوری و تجزیه‌وتحلیل داده‌های خود را بر اثربخشی واقعی استفاده از حس‌گرها و سیستم‌های اپل برای نظارت و تولید بینش (دید) در شرایط خاص متمرکز کنند. این کار می‌تواند هزینه ساخت شواهد را برای استفاده از موارد ضروریِ پیچیده‌ترِ مراقبت‌های پزشکی کاهش دهد. هزینه‌ها را می‌توان روی شرایط خاص متمرکز کرد، که توسط تحقیقات موجود پشتیبانی شوند. این کار نظارتِ نسل بعدی یادگیری ماشین بر شرایط پزشکی موجود را فراهم خواهد کرد، راهکارهای گردآوری‌شده از حسگرهای اپل به همراه داده‌های خاص از موقعیت‌های خاص.
