Google: SensorFM — foundation model treniran na bilijun minuta wearable podataka pobjeđuje na 34 od 35 zdravstvenih zadataka
SensorFM je Googleov foundation model za zdravstvene podatke s nosivih uređaja, treniran na više od bilijun minuta signala s Fitbit i Pixel Watch uređaja 5 milijuna korisnika iz 100+ zemalja. Model pobjeđuje specijalizirane pristupe na 34 od 35 zadataka, s +9% AUC na klasifikaciji i +21% korelacije na regresiji.
Ovaj članak generiran je uz pomoć umjetne inteligencije na temelju primarnih izvora.
Google Research predstavio je 9. srpnja 2026. SensorFM, foundation model za zdravstvene podatke s nosivih uređaja. Foundation model je mreža trenirana na golemom neoznačenom korpusu koja se potom prilagođava desecima zadataka — pristup koji je transformirao obradu jezika, a SensorFM ga prvi put primjenjuje na senzorske signale u ovom mjerilu.
Skala podataka bez presedana
SensorFM je treniran na više od bilijun (10¹²) minuta senzorskih podataka s Fitbit i Pixel Watch uređaja: otkucaji srca, varijabilnost pulsa, koraci, san i temperatura kože. Podaci dolaze od približno 5 milijuna korisnika iz više od 100 zemalja, prikupljeni između rujna 2024. i rujna 2025. Za usporedbu, dosadašnji akademski modeli za wearable podatke tipično su trenirani na tisućama korisnika — SensorFM koristi tri reda veličine više.
Kako model uči iz nepotpunih signala?
Ključna inovacija je adaptivno maskiranje: nosivi uređaji redovito imaju rupe u podacima (skinut sat, prazna baterija), pa model tijekom treniranja uči rekonstruirati namjerno maskirane segmente. Time nepotpuni stvarni podaci postaju trening-signal umjesto problema. Google je trenirao varijante od 100 tisuća do 100 milijuna parametara — malene u usporedbi s jezičnim modelima, dovoljne za senzorske obrasce.
Rezultati protiv specijaliziranih pristupa
Na 35 zdravstvenih zadataka — od detekcije apneje do procjene kondicije — SensorFM pobjeđuje specijalizirane baseline pristupe na njih 34. Konkretno: +9% AUC na klasifikacijskim zadacima i +21% Pearsonove korelacije na regresijskim, a kliničari u slijepom testu nisu razlikovali predviđanja modela od stvarnih mjerenja.
Što to znači za zdravstveni AI
SensorFM otvara put AI asistentima koji kontinuirano interpretiraju biometriju bez laboratorijskih testova. Objava dolazi isti dan kad je Microsoft predstavio Auroru 1.5 za vrijeme — foundation paradigma vidljivo se širi izvan teksta, na fizičke i biološke signale.
Česta pitanja
- Što je SensorFM?
- SensorFM je Googleov foundation model treniran na senzorskim podacima nosivih uređaja (otkucaji srca, koraci, san) koji jedan model čini upotrebljivim za desetke zdravstvenih zadataka umjesto zasebnih modela po zadatku.
- Na kojim je podacima SensorFM treniran?
- Na više od bilijun minuta podataka s Fitbit i Pixel Watch uređaja oko 5 milijuna korisnika iz više od 100 zemalja, prikupljenih od rujna 2024. do rujna 2025.
- Koliko je SensorFM točan?
- Pobjeđuje na 34 od 35 evaluiranih zadataka: +9% AUC na klasifikaciji i +21% Pearsonove korelacije na regresiji, a kliničari u testu nisu razlikovali njegova predviđanja od stvarnih mjerenja.
Izvori
Povezane vijesti
Meta: Muse Spark 1.1 donosi multimodalno zaključivanje s milijun tokena konteksta i koordinaciju subagenata kroz Model API
Microsoft: Aurora 1.5 open-source model nadmašuje ECMWF ensemble na 88,9% varijabli — novi standard AI prognoze vremena
OpenAI: GPT-5.6 stiže u tri varijante — Sol, Terra i Luna, s multi-agent orkestracijom i istim danom u GitHub Copilotu