SensorFM: el modelo fundacional de Google que transforma los datos de wearables en inteligencia de salud a escala

Cómo avanza la inteligencia artificial de propósito general para el monitoreo de la salud

• Representaciones generales de sensores: En lugar de construir algoritmos separados para cada condición de salud, SensorFM aprende una representación compartida de los patrones fisiológicos y de comportamiento humanos a partir de datos no etiquetados, y luego se adapta a tareas específicas con datos etiquetados limitados, una característica distintiva de la generalidad de los modelos fundacionales.
• Integración con agentes LLM: El modelo despliega agentes LLM autónomos (incluyendo la base en Gemini) para navegar espacios de incrustación y realizar tareas predictivas, conectando directamente la comprensión de sensores con el razonamiento de modelos de lenguaje .
• Camino hacia un Agente Personal de Salud: Google Research ha publicado por separado sobre el 'Personal Health Insights Agent (PHIA)', un sistema que utiliza razonamiento de varios pasos, generación de código y recuperación de información para analizar datos de wearables y responder preguntas de salud . SensorFM proporciona la capa de comprensión de sensores fundamental que dicho agente aprovecharía para ofrecer información de salud personalizada y continua.

En resumen, SensorFM escala la IA basada en sensores a un régimen de un billón de minutos y cinco millones de personas, demuestra ganancias sistemáticas de rendimiento con el tamaño, se generaliza en 35 tareas de salud y se conecta con agentes de salud personales basados en LLM, lo que lo convierte en un paso concreto hacia un único sistema de IA de propósito general que monitorea e interpreta continuamente la salud humana a partir de wearables.