基于可穿戴数据构建甲状腺发作预警模型

Claude Code使用了9.5年的Apple Watch和Whoop数据，构建了一个机器学习模型，该模型通过回测功能提前预警了之前的事件，直到实验确认后才会确认其实际完成程度。

具体怎么做

作者将9.5年的Apple Watch数据通过Apple Health plus Whoop数据导出，并标记出与甲状腺机能亢进阶段相符的时间段，随后将数据集提供给Claude Code用于构建检测器。评论中提到，Claude尝试了多种模型超过一小时，最终选择XGBoost算法，设计了53个特征，保留了三个心率特征，且作者还提供了最新案例进行手动测试。

做到了什么

他们表示，对保留样本进行的回测本应在8月初就显示出问题，直到月底实验室确认后才会发现。在评论中，他们将其视为一种预警提示词，用于获取进一步验证的实验室数据，而非诊断结果或自动调整用药方案。

上手要点

最明显的问题是，这依赖于近十年的个人穿戴历史以及手动标记的波动期；据称模型搜索过程本身耗时超过一小时。