Google presenterar AI-modell tränad på en biljon minuter av hälsodata från bärbar teknik

Google Alphabet Inc. ↗ 0.78% Research introducerade på onsdagen SensorFM, en grundmodell för bärbar hälsoövervakning som förtränats på mer än en biljon minuter av sensordata från fem miljoner människor, vilket markerar vad företaget beskriver som ett steg mot generell AI för kontinuerlig hälsoövervakning.research+1

En enda modell för 35 hälsouppgifter

Till skillnad från konventionella modeller för bärbar hälsoövervakning som byggts för ett utfall i taget, lär sig SensorFM en enda återanvändbar representation av mänsklig fysiologi som överförs mellan kardiovaskulära, metaboliska, sömn- och psykiska hälsodomäner, samt livsstils- och demografiska faktorer. Modellen bearbetar 34 enminuts-aggregatfunktioner från fem sensormodaliteter — inklusive hjärtfrekvens, syremättnad i blodet, hudtemperatur och rörelse — insamlade från Fitbit- och Pixel Watch-enheter i över 100 länder.research

Vid utvärdering av 35 hälsoprediktionsuppgifter hämtade från tre oberoende kliniska studier med nästan 14 000 deltagare, överträffade frysta SensorFM-inbäddningar med endast ett lätt linjärt huvud de funktionsutvecklade övervakade baslinjerna i 34 av de 35 uppgifterna. Modellen visade sig vara särskilt kapabel att upptäcka tillstånd som depression och ångest som lämnar svaga spår i sensordata.alphasignal+1

Skalning utan mättnad

Forskargruppen, ledd av seniorforskaren Xin Liu och stabsforskaren Daniel McDuff, fann att skalning av både modellstorlek och datavolym tillsammans gav nästan linjära prestandavinster utan tecken på mättnad. Den största varianten, SensorFM-B, tränad på hela korpuset på fem miljoner personer, minskade rekonstruktionsförlusten med 31 procent jämfört med den minsta modellen och förbättrade nedströms klassificeringsprestanda med i genomsnitt 9 procent.research

För att automatisera anpassningen byggde forskarna ett agentiskt "klassrum" av samarbetande LLM-agenter som iterativt genererar, testar och förfinar prediktionshuvuden på SensorFM-inbäddningar — och utforskade mer än 30 000 kandidatlösningar genom experiment.research

Förankring av en personlig hälsoagent

I en kliniker-utvärderad studie producerade integreringen av SensorFM i en personlig hälsoagent sammanfattningar som bedömdes lika bra som de som baserades på faktiska kliniska mätningar över alla fem utvärderingsdimensioner, utan statistiskt mätbar skillnad mellan modellprediktioner och facit-etiketter. Den underliggande artikeln, med titeln "Towards a General Intelligence and Interface for Wearable Health Data," publicerades först på arXiv i maj och tillkännagavs formellt via Google Research-bloggen den 9 juli.arxiv+1