Google-ը ներկայացրել է AI մոդել, որը վարժեցված է կրելի սարքերի առողջության վերաբերյալ մեկ տրիլիոն րոպե տևողությամբ տվյալների վրա

Google Alphabet Inc. ↗ 0.78% Research-ը չորեքշաբթի օրը ներկայացրեց SensorFM-ը՝ կրելի առողջության մոնիտորինգի հիմնարար մոդել, որը վարժեցված է հինգ միլիոն մարդու սենսորային տվյալների ավելի քան մեկ տրիլիոն րոպեի վրա, ինչը, ըստ ընկերության, քայլ է դեպի ընդհանուր նշանակության AI՝ առողջության շարունակական մոնիտորինգի համար:research+1

Մեկ մոդել առողջության 35 առաջադրանքների համար

Ի տարբերություն կրելի առողջության ավանդական մոդելների, որոնք ստեղծված են մեկ արդյունքի համար, SensorFM-ը սովորում է մարդու ֆիզիոլոգիայի մեկ վերօգտագործելի ներկայացում, որը տարածվում է սրտանոթային, նյութափոխանակության, քնի և հոգեկան առողջության ոլորտների, ինչպես նաև ապրելակերպի և ժողովրդագրական գործոնների վրա: Մոդելը ստանում է 34 մեկ րոպեանոց ագրեգացված բնութագրեր հինգ սենսորային մոդալություններից՝ ներառյալ սրտի զարկերի հաճախականությունը, արյան թթվածնով հագեցվածությունը, մաշկի ջերմաստիճանը և շարժումը՝ գրանցված Fitbit և Pixel Watch սարքերից ավելի քան 100 երկրներում:research

Երբ գնահատվել են առողջության կանխատեսման 35 առաջադրանքներ, որոնք վերցված են երեք անկախ կլինիկական հետազոտություններից, որոնց մասնակցել է գրեթե 14,000 մարդ, SensorFM-ի սառեցված ներդրումները (embeddings) միայն թեթև գծային գլխիկով գերազանցել են հատկանիշների վրա հիմնված վերահսկվող բազային մոդելներին 35 առաջադրանքներից 34-ում: Մոդելը հատկապես արդյունավետ է եղել դեպրեսիայի և տագնապի նման վիճակների հայտնաբերման հարցում, որոնք սենսորային տվյալներում թույլ հետքեր են թողնում:alphasignal+1

Մասշտաբավորում առանց հագեցվածության

Հետազոտական խումբը՝ ավագ գիտաշխատող Սին Լյուի և շտաբի գիտաշխատող Դենիել Մակդաֆի ղեկավարությամբ, պարզել է, որ մոդելի չափի և տվյալների ծավալի համատեղ մասշտաբավորումը հանգեցրել է կատարողականի գրեթե գծային աճի՝ առանց հագեցվածության նշանների: Ամենամեծ տարբերակը՝ SensorFM-B-ն, որը վարժեցված է հինգ միլիոնանոց կորպուսի ամբողջական տվյալների վրա, նվազեցրել է վերակառուցման կորուստը 31 տոկոսով՝ ամենափոքր մոդելի համեմատ, և բարելավել է հետագա դասակարգման կատարողականը միջինում 9 տոկոսով:research

Ադապտացիան ավտոմատացնելու համար հետազոտողները ստեղծել են համագործակցող LLM գործակալների գործակալական «դասարան», որոնք կրկնվող կերպով ստեղծում, ստուգում և կատարելագործում են կանխատեսման գլխիկները SensorFM-ի ներդրումների վրա՝ փորձերի շրջանակներում ուսումնասիրելով ավելի քան 30,000 թեկնածու լուծումներ:research

Անձնական առողջության գործակալի հիմնավորում

Կլինիցիստների կողմից գնահատված հետազոտության մեջ SensorFM-ի ինտեգրումը Անձնական առողջության գործակալում ստեղծել է ամփոփումներ, որոնք գնահատվել են նույնքան լավ, որքան իրական կլինիկական չափումների վրա հիմնված ամփոփումները գնահատման բոլոր հինգ չափումներով՝ մոդելի կանխատեսումների և իրական պիտակների միջև վիճակագրորեն նկատելի տարբերության բացակայությամբ: Հիմնական աշխատությունը՝ «Դեպի կրելի առողջության տվյալների ընդհանուր ինտելեկտ և ինտերֆեյս» վերնագրով, առաջին անգամ հրապարակվել է arXiv-ում մայիսին և պաշտոնապես հայտարարվել Google Research-ի բլոգում հուլիսի 9-ին:arxiv+1