In breve
Con informazioni derivate dall’HRV, collegare una sezione a un’altra della stessa registrazione tra 202 candidati ha ottenuto il 30,7% al primo posto e il 55,4% entro i primi cinque. Una selezione casuale darebbe circa 0,5% e 2,5%. Questa analisi non sottoposta a revisione usava stesso giorno, dispositivo e postura in un insieme chiuso di candidati. Non dimostra la verifica dell’identità tra giorni o dispositivi né un’autenticazione capace di rifiutare una persona sconosciuta.
Punti chiave
- In un set pubblico di 202 persone, informazioni derivate dall’HRV hanno collegato due sezioni della registrazione della stessa persona
- Primo posto 30,7% contro 0,5% per caso; primi cinque 55,4% contro 2,5% per caso
- Test di permutazione rispetto a un’ipotesi nulla con etichette casuali fisse: p≤0,00005
- Ma le due sezioni provenivano dalla stessa sessione; la stabilità tra giorni, dispositivi, sonno e veglia non è stata dimostrata
- Non è una valutazione di Apple Watch né una misura delle prestazioni di autenticazione
Perché lo abbiamo studiato
L’HRV riassume in diversi modi la variazione degli intervalli tra i battiti. È influenzato da postura, respirazione, età e condizioni di misura, ma può anche contenere schemi ripetuti della persona o caratteristiche condivise dalla stessa registrazione.
Per un’app di salute, la possibilità di collegare due registrazioni è rilevante quando si valutano i rischi di archiviazione, esportazione e condivisione.
Come è stata eseguita la misurazione
Usare dati pubblici
Dal set Autonomic Aging di PhysioNet abbiamo usato i 211 soggetti già fissati come insieme di test. Di questi, 202 soddisfacevano le condizioni.
Usare sezioni separate di ogni registrazione
Sezioni separate e non sovrapposte della stessa registrazione sono state usate come riferimento e query. Le regole precise di segmentazione non sono pubbliche.
Confrontare informazioni derivate dall’HRV
Un metodo di ricerca ha confrontato informazioni derivate dall’HRV. Il disegno delle caratteristiche, la pre-elaborazione e il calcolo di similarità non sono pubblici.
Confrontare con il caso
Scegliere a caso tra 202 persone dà lo 0,5% al primo posto. Questa è la base di confronto della precisione misurata.
Risultati
- Primo posto: 62/202 = 30,7% (IC 95% 24,7–37,4%; caso 0,495%)
- Primi cinque: 112/202 = 55,4% (IC 95% 48,6–62,1%; caso 2,48%)
- Test di permutazione (20.000 repliche): p < 0,0001
- Invertendo la direzione del confronto in un’analisi di sensibilità: primo posto 34,2%, primi cinque 55,9%
Che cosa non significa questo risultato
Letto soltanto come numero, potrebbe sembrare che «l’HRV verifichi l’identità». Non è così. I limiti del test vanno dichiarati chiaramente.
- Iscrizione e query provengono dalla stessa sessione: stesso giorno, dispositivo e postura
- L’insieme è chiuso a 202 candidati; la capacità di rifiutare una persona sconosciuta non è stata misurata
- La stabilità tra giorni, dispositivi, sonno e veglia non è stata dimostrata
- Artefatti specifici di sessione, sensore o elaborazione possono contribuire al collegamento
- Non è una valutazione di Apple Watch: il segnale proveniva da ECG clinico
Come si riflette in Feelmo
Alla luce di questo risultato, Feelmo mantiene di norma sul dispositivo i dati derivati dall’HRV e i punteggi, senza caricamento automatico sui server gestiti da Feelmo. Il contenuto scelto lascia il dispositivo solo quando avvii un’esportazione o una condivisione verso la destinazione indicata.
Questa analisi non stabilisce lo status giuridico dei dati, ma mostra che sezioni separate di una registrazione della stessa sessione possono restare collegabili; per questo adottiamo un’impostazione prudente.
Dati e trasparenza
I risultati aggregati, gli intervalli di incertezza, i risultati di sensibilità e i limiti elencati sopra sono pubblicati come JSON.
Le informazioni individuali, il disegno preciso delle caratteristiche, la pre-elaborazione e il calcolo di collegamento non sono pubblici. Di conseguenza l’analisi esatta non è ancora riproducibile in modo indipendente, un limite importante.