SensorFM: Google's baanbrekende AI voor wearables – 1 biljoen minuten aan gezondheidsdata getraind

SensorFM is een funderingsmodel ontwikkeld door Google-onderzoekers, getraind op meer dan één biljoen minuten aan ongelabelde sensorsignalen van wearables, afkomstig van ongeveer vijf miljoen deelnemers, en geëvalueerd op 35 uiteenlopende gezondheidstaken . Het werk, getiteld "Towards a General Intelligence and Interface for Wearable Health Data," is een stap richting algemene AI voor continue gezondheidsmonitoring en kenmerkt zich door vier belangrijke aspecten:

Wat SensorFM precies is

• Enorme trainingsschaal: SensorFM is getraind op meer dan één biljoen minuten aan ongelabelde sensorsignalen van een cohort van ruwweg vijf miljoen mensen . De invoer bestaat uit minuut-voor-minuut sensorfeatures (zoals accelerometer, hartslag, temperatuur, SpO₂) van apparaten als Fitbit en Pixel Watch .
• Evaluatie op 35 taken: Het model is getest op 35 gezondheidsvoorspellingstaken, waaronder cardiovasculaire, metabole, respiratoire, activiteits-, slaap- en mentale gezondheidsdomeinen . Het presteert beter dan traditionele methoden in 34 van deze classificatietaken .
• Schaalbaarheid: Het onderzoek toont aan dat het gezamenlijk opschalen van modelcapaciteit en trainingsdata leidt tot systematische prestatieverbeteringen bij alle taken . Dit weerspiegelt de schaalwetten die bekend zijn van taal- en beeldherkenningsmodellen, nu gevalideerd voor wearables.

Hoe het algemene AI voor gezondheidsmonitoring mogelijk maakt

• Algemene sensorrepresentaties: In plaats van voor elke aandoening een apart algoritme te bouwen, leert SensorFM een gedeelde representatie van menselijke fysiologische en gedragspatronen uit ongelabelde data. Vervolgens past het zich met beperkte gelabelde data aan specifieke taken aan – de kern van een funderingsmodel.
• Integratie met LLM-agenten: Het model zet autonome LLM-agenten in (waaronder Gemini) om door de vectorruimtes te navigeren en voorspellingen te doen, waardoor sensorinformatie direct wordt gekoppeld aan redeneringen in natuurlijke taal .
• Op weg naar een Persoonlijke Gezondheidsagent: Google Research heeft apart gepubliceerd over de "Personal Health Insights Agent (PHIA)" – een systeem dat meerstaps redeneren, codegeneratie en informatieopvraging combineert om wearable-data te analyseren en gezondheidsvragen te beantwoorden . SensorFM vormt de fundamentele sensorlaag waarop zo'n agent kan bouwen voor gepersonaliseerde, continue gezondheidsinzichten.

Kortom, SensorFM schaalt sensor-gebaseerde AI naar een regime van een biljoen minuten en vijf miljoen mensen, toont systematische prestatieverbeteringen bij grotere schaal, generaliseert over 35 gezondheidstaken, en sluit aan bij LLM-gestuurde persoonlijke gezondheidsagenten – een concrete stap naar één algemeen AI-systeem dat continu de menselijke gezondheid monitort en interpreteert via wearables.