Google SensorFM：500万人・1兆分超のウェアラブルデータで学習した健康AI基盤モデルとは

SensorFMは、Google Researchの研究者らが開発した基盤モデルであり、約500万人の参加者から収集した1兆分を超える未ラベルのウェアラブルセンサー信号で事前学習され、35の健康関連下流タスクで評価された画期的なモデルです 。この研究は「Towards a General Intelligence and Interface for Wearable Health Data（ウェアラブル健康データのための汎用知能とインターフェースに向けて）」と題され、以下の4つの特徴を持つ、継続的な健康モニタリングのための汎用AIへの一歩を示しています。

SensorFMとは何か

• 大規模な事前学習スケール： SensorFMは、約500万人のコホートから収集された1兆分以上の未ラベルセンサー信号で事前学習されています。入力データはFitbitやPixel Watchなどのデバイスから得られる1分単位のセンサー特徴量（加速度計、心拍数、体温、SpO₂など）です。
• 35タスクによる評価： このモデルは、心血管、代謝、呼吸、活動、睡眠、メンタルヘルスなどをカバーする35の健康予測タスクで評価されています。従来の手法と比較して、34の分類タスクで優れた性能を示しました。
• スケーリング特性： 研究では、モデル容量と事前学習データ量の両方を拡大することで、下流タスクの性能が系統的に向上することが示されています。これは、言語モデルや視覚モデルで観察されてきたスケーリング則が、ウェアラブルセンサーデータにおいても有効であることを実証したものです。

汎用健康モニタリングAIへの道筋

• 汎用センサー表現の獲得： SensorFMは、個々の健康状態ごとに個別のアルゴリズムを構築するのではなく、未ラベルデータから人間の生理的・行動パターンの共有表現を学習します。その後、限られたラベルデータで特定のタスクに適応します。これは基盤モデルの汎用性を示す特徴です。
• LLMエージェントとの統合： このモデルは、自律型LLMエージェント（Geminiのグラウンディングを含む）を活用して埋め込み空間をナビゲートし、予測タスクを実行します。これにより、センサー理解と言語モデルの推論が直接接続されます。
• パーソナルヘルスエージェントへの道： Google Researchは別途「Personal Health Insights Agent（PHIA）」についても発表しており、これはマルチステップ推論、コード生成、情報検索を用いてウェアラブルデータを分析し、健康に関する質問に答えるシステムです。SensorFMは、そのようなエージェントが個人に合わせた継続的な健康インサイトを提供するための基盤となるセンサー理解レイヤーを提供します。

まとめると、SensorFMはセンサーベースのAIを1兆分・500万人規模にスケールし、サイズに応じた系統的な性能向上を示し、35の健康タスクで汎用性を実証し、LLMベースのパーソナルヘルスエージェントと連携することで、ウェアラブルから人間の健康を継続的にモニタリング・解釈する単一の汎用AIシステムへの具体的な一歩となっています。