Google: SensorFM——1 兆分超えのウェアラブルデータで学習した基盤モデル、35 健康タスク中 34 で勝利

Google Research は 2026 年 7 月 9 日、ウェアラブルデバイスの健康データ向け基盤モデル SensorFM を発表しました。基盤モデルとは、大規模なラベルなしコーパスで事前学習されたネットワークで、その後数十のタスクに適応させます。これは言語処理を変革したアプローチですが、SensorFM はこれをセンサーシグナルにこの規模で初めて適用します。

前例のないデータ規模

SensorFM は Fitbit および Pixel Watch デバイスからの 1 兆（10¹²）分を超えるセンサーデータで学習しています：心拍数、心拍変動、歩数、睡眠、皮膚温度。データは 100 以上の国の約 500 万ユーザーから、2024 年 9 月から 2025 年 9 月にかけて収集されました。比較として、これまでのウェアラブルデータの学術モデルは通常数千ユーザーで学習していましたが、SensorFM はその 3 桁上の規模を使用しています。

不完全なシグナルからどのように学習するか？

核心的な革新は適応的マスキングです：ウェアラブルデバイスのデータには欠損が頻繁に生じる（腕時計を外す、バッテリー切れ）ため、モデルは学習中に意図的にマスクされたセグメントを再構築することを学習します。これにより不完全な実データが問題ではなく学習シグナルになります。Google は 10 万から 1 億パラメータのバリアントを学習させました——言語モデルと比べると小規模ですが、センサーパターンには十分です。

専門特化アプローチとの比較結果

35 の健康タスク——睡眠時無呼吸の検出から体力評価まで——において、SensorFM は 34 タスクで専門特化ベースラインを上回りました。具体的には：分類タスクで AUC +9%、回帰タスクで Pearson 相関 +21% を達成し、ブラインドテストでは医師がモデルの予測と実際の測定値を区別できませんでした。

健康 AI への意義

SensorFM は、検査室での検査なしに生体情報を継続的に解釈する AI アシスタントへの道を開きます。この発表は Microsoft が同日 Aurora 1.5 を発表したことと並んで、基盤モデルのパラダイムがテキストを超え、物理的・生物学的シグナルへと明確に広がっていることを示しています。