Google kynnir gervigreindarlíkan þjálfað á billjón mínútum af heilbrigðisgögnum úr snjalltækjum

Google Alphabet Inc. ↗ 1.18% Research kynnti á miðvikudaginn SensorFM, grunnlíkan fyrir heilbrigðisgögn úr snjalltækjum sem var forþjálfað á meira en billjón mínútum af skynjaragögnum frá fimm milljónum manna, sem markar það sem fyrirtækið lýsir sem skrefi í átt að almennri gervigreind fyrir samfellt heilbrigðiseftirlit.research+1

Eitt líkan fyrir 35 heilbrigðisverkefni

Ólíkt hefðbundnum heilbrigðislíkönum fyrir snjalltæki sem eru smíðuð fyrir eina niðurstöðu í einu, lærir SensorFM eina endurnýtanlega framsetningu á lífeðlisfræði mannsins sem yfirfærist á hjarta- og æðakerfi, efnaskipti, svefn og geðheilbrigðissvið, auk lífsstíls- og lýðfræðilegra þátta. Líkanið tekur inn 34 eins mínútu samsettar breytur úr fimm skynjaragerðum — þar á meðal hjartsláttartíðni, súrefnismettun í blóði, húðhita og hreyfingu — sem safnað er úr Fitbit og Pixel Watch tækjum í yfir 100 löndum.research

Þegar það var metið í 35 heilbrigðisspárverkefnum sem dregin voru úr þremur óháðum klínískum rannsóknum með nærri 14.000 þátttakendum, stóðu frosnar SensorFM-innfellingar með aðeins léttu línulegu höfði sig betur en eiginleikaverkfræðilegar eftirlitslausar viðmiðunaraðferðir í 34 af 35 verkefnum. Líkanið reyndist sérstaklega fært um að greina sjúkdóma eins og þunglyndi og kvíða sem skilja eftir sig veik ummerki í skynjaragögnum.alphasignal+1

Skölun án mettunarmarka

Rannsóknarteymið, undir forystu Xin Liu, yfirrannsóknarvísindamanns, og Daniel McDuff, starfandi rannsóknarvísindamanns, komst að því að það að skala bæði stærð líkansins og gagnamagn saman skilaði nær línulegum árangri án merkja um mettun. Stærsta afbrigðið, SensorFM-B, sem þjálfað var á öllu fimm milljóna manna safninu, minnkaði endurbyggingartap um 31 prósent miðað við minnsta líkanið og bætti flokkunarárangur niðurstreymis um að meðaltali 9 prósent.research

Til að gera aðlögun sjálfvirka smíðuðu vísindamennirnir umboðslega „kennslustofu“ af samvinnuþýðum LLM-umboðum sem búa til, prófa og betrumbæta spárhausar á SensorFM-innfellingum ítrekað — og könnuðu meira en 30.000 mögulegar lausnir í gegnum tilraunir.research

Að byggja á persónulegum heilbrigðisfulltrúa

Í rannsókn sem læknar mátu, skilaði samþætting SensorFM í persónulegan heilbrigðisfulltrúa samantektum sem voru metnar jafn vel og þær sem byggðu á raunverulegum klínískum mælingum yfir allar fimm matsbreyturnar, án tölfræðilega marktæks munar á spám líkansins og raunverulegum viðmiðunarmerkjum. Undirliggjandi grein, sem ber titilinn „Towards a General Intelligence and Interface for Wearable Health Data,“ var fyrst birt á arXiv í maí og formlega tilkynnt í gegnum blogg Google Research þann 9. júlí.arxiv+1