CoDaS：面向可穿戴传感器的 AI 共数据科学家——用于生物标志物发现
人工智能
2026-04-17 v1
摘要
数字健康中的科学发现需要将可穿戴设备从不断的生理信号中提取出临床可操作的生物标志物。我们介绍了 CoDaS (AI 共数据科学家)，一个多主体系统，将生物标志物发现结构化为一个迭代过程，融合假设生成、统计分析、对抗性验证和文献导向的推理，结合人类监督，使用大规模可穿戴数据集。跨越三个队列，总计 9,279 例受试者观察，CoDaS 识别出 41 个用于精神健康的候选数字生物标志物，以及 25 个用于代谢结果的候选生物标志物，每个生物标志物均经过一套内部验证电池，包括复制、稳定性、鲁棒性和判别能力。在两个独立的抑郁队列中，CoDaS 在两个数据集中揭示了与夜间不稳定性相关的特征，分别体现在睡眠时长变异性 (DWB, = 0.252, p < 0.001) 和睡眠开始时变异性 (GLOBEM, = 0.126, p < 0.001)。在代谢队列中，CoDaS 导出了一种心血管运动指数 (步数/静息心率; = -0.374, p < 0.001)，并恢复了已知的临床关联，包括肝功能比值 (AST/ALT; = -0.375, p < 0.001)，这是胰岛素抵抗的一个已知相关因子。将 CoDaS 派生的特征纳入人口统计变量后，预测性能得到 modest 但持续的改善，交叉验证的 增加分别为 0.040（抑郁）和 0.021（胰岛素抵抗）。这些发现表明，CoDaS 能够系统地且可追溯地生成和优先排序，从大规模可穿戴数据中发现生物标志物。
引用
@article{arxiv.2604.14615,
title = {CoDaS: AI Co-Data-Scientist for Biomarker Discovery via Wearable Sensors},
author = {Yubin Kim and Salman Rahman and Samuel Schmidgall and Chunjong Park and A. Ali Heydari and Ahmed A. Metwally and Hong Yu and Xin Liu and Xuhai Xu and Yuzhe Yang and Maxwell A. Xu and Zhihan Zhang and Cynthia Breazeal and Tim Althoff and Petar Sirkovic and Ivor Rendulic and Annalisa Pawlosky and Nicolas Stroppa and Juraj Gottweis and Elahe Vedadi and Alan Karthikesalingam and Pushmeet Kohli and Vivek Natarajan and Mark Malhotra and Shwetak Patel and Hae Won Park and Hamid Palangi and Daniel McDuff},
journal= {arXiv preprint arXiv:2604.14615},
year = {2026}
}