Упорядочивание личного здоровья: интеграция Apple Health, Obsidian и AI-агентов

# От разрозненных данных к контексту: как работает личная система здоровья

Современный подход к заботе о здоровье часто сталкивается с проблемой фрагментации данных. Умные часы фиксируют физиологические показатели, планеры хранят цели, а медицинские записи существуют отдельно. Автор статьи описывает опыт создания единой экосистемы, которая связывает план тренировки, фактические результаты измерений и субъективное самочувствие в единую хронологию событий.

Архитектура из четырех слоев

Основой описываемой системы является строгое разделение функционала на четыре независимых уровня, каждый из которых выполняет специфическую задачу:

1. Ручная запись (Контекст). В системе Obsidian хранятся данные, недоступные датчикам: плановые цели, техники выполнения упражнений, описание боли и эмоциональное состояние. Это слой человеческой интерпретации. 2. Носимые устройства (Измерение). Apple Watch в режиме тренировки автоматически собирают объективные метрики: длительность, дистанцию, расход калорий и пульс. Данные точны, но лишены контекста. 3. Импорт (Связь). Персональный парсер периодически выгружает данные из Apple Health. Его ключевая функция — нормализация информации и сопоставление измеренных фактов с уже существующими вручную записанными планами, избегая дублей. 4. AI-агент (Обработка). Искусственный интеллект анализирует объединенные данные, формирует недельные сводки и помогает сформулировать решения для следующей недели, оставаясь в роли ассистента, а не диагноста.

Эта архитектура позволяет видеть полную картину: не просто цифры пульса, а реакцию организма на запланированную нагрузку с учетом субъективных ощущений.

Данные и управление записями

В основе организации информации лежит структура Markdown-файлов, где каждая физическая тренировка или медицинское событие имеет свой уникальный документ. Такие файлы содержат блоки данных в формате YAML для структурирования (тип активности, дата, источник, значения метрик) и текстовую часть для описания контекста.

Важным аспектом является работа с отсутствующими данными. Для медицинских симптомов и состояния здоровья используется три состояния: «не записано», «отсутствует» и «присутствует». Превращение отсутствия записи в нулевой показатель может исказить статистику и сделать невозможным различение между фактическим отсутствием события и просто забытой записью.

Система также предусматривает импорт данных из различных источников, включая сканированные лабораторные анализы и медицинские снимки. Агент обрабатывает текстовые заключения, извлекая дату, лабораторию и значения показателей, но сырые файлы (например, PDF с результатами УЗИ) хранятся отдельно для безопасности и приватности.

Роли агента и границы ответственности

Внедрение AI-агента в процесс управления здоровьем требует четкого определения его границ. Основная функция агента — хронологизация данных, подготовка отчетов и формулирование вопросов для врача на основе накопленной истории. Критически важно, чтобы агент не принимал медицинские решения, не ставил диагнозы и не назначал лечение.

Для обеспечения приватности при работе с облачными моделями языка (LLM) рекомендуется удалять из текста имена, адреса и геолокацию перед отправкой запросов. Также следует использовать функции локального контекста или временные чаты, которые не сохраняют данные в общие базы данных моделей.

Принципы эффективной автоматизации

Ключевым принципом описываемой системы является минимизация усилий на ввод данных. Ручное ведение журналов часто бросается, если процесс требует сложных ритуалов. В данной реализации входная информация от пользователя сведена к короткому сообщению (например, «Бег 3 км, колено ноет»), которое агент сам сопоставляет с правильной записью в базе.

Импорт данных должен быть идемпотентным: повторная обработка того же файла не должна создавать дубликаты. Логика импорта должна сначала искать существующую запись по идентификатору или дате и обновлять числовые поля, не затрагивая ручной текст о самочувствии.

В конечном итоге, такая система не гарантирует мгновенного улучшения здоровья или нахождения сенсационных закономерностей. Однако она предоставляет инструмент для осознанного мониторинга, позволяя увидеть нагрузку в контексте и вовремя принять решение об изменении режима тренировок или обращения к врачу.

*Эта статья адаптирована на основе материалов статьи alexmusyka на Habr AI, опубликованной 2 сентября 2026 года.*