Zdjęcie: Luke Chesser / Unsplash

Google zaprezentowało SensorFM — narzędzie oparte na sztucznej inteligencji, które analizuje dane z elektroniki noszonej i generuje raporty o stanie zdrowia. Model wyszkolono na bilionie minut danych zebranych od pięciu milionów użytkowników.

 

Uniwersalny system zamiast wielu specjalistycznych narzędzi

Tradycyjne podejście do cyfrowego monitorowania zdrowia polega na tworzeniu osobnych modeli AI dla każdego wskaźnika: odrębnego dla serca, metabolizmu czy snu. SensorFM idzie zupełnie inną drogą. Zamiast rozpraszać się na dziesiątki niezależnych systemów, Google tworzy jeden spójny obraz fizjologii człowieka.

To podejście pozwala modelowi działać w wielu obszarach jednocześnie, takich jak zaburzenia sercowo-naczyniowe, metaboliczne, psychiczne, problemy ze snem, a także ocena stylu życia czy czynniki demograficzne. System przetwarza 34 zagregowane co minutę parametry z pięciu modalności sensorycznych — w tym tętno, saturację tlenową krwi, temperaturę skóry oraz dane o ruchu. Wszystkie te informacje pochodzą z urządzeń Fitbit i Pixel Watch.

 

Lepszy od tradycyjnych standardów

Naukowcy przetestowali dokładność SensorFM w praktyce. W badaniach wykorzystano asystenta Personal Health Agent — system do generowania medycznych podsumowań. Lekarze oceniający raporty stworzone przez AI porównali je z dwiema referencjami: analizami przygotowanymi bez użycia danych z czujników oraz podsumowaniami opartymi na rzeczywistych badaniach klinicznych.

Rezultaty okazały się jednoznaczne. SensorFM wypadł lepiej od obu grup odniesienia we wszystkich badanych kategoriach. Co ważne, jego prognozy pod względem statystycznym nie różniły się od raportów przygotowanych na podstawie rzeczywistych pomiarów klinicznych.

 

Koniec ery surowych liczb

Twórcy modelu zwracają uwagę na ewolucję roli elektroniki noszonej. Urządzenia te przestają być jedynie prostymi rejestratorami parametrów. Zamiast zasypywać użytkownika dziesiątkami pojedynczych metryk, skupiają się na ich inteligentnej interpretacji. Odbiorcy nie chcą już analizować suchych tabel z cyframi – oczekują jasnych wyjaśnień i konkretnych, spersonalizowanych wskazówek.

Tego typu podejście staje się rynkowym standardem. Jak podaje Forbes, producenci urządzeń ubieralnych już teraz wdrażają podobne rozwiązania. Marka Whoop wprowadziła asystenta Whoop Coach opartego na GPT-4 już w 2023 roku, z kolei Oura uruchomiła usługę Oura Advisor, która przekształciła suchą analitykę w interaktywny dialog z użytkownikiem. Badania Google potwierdzają, że te zmiany odpowiadają na realne potrzeby konsumentów – zamiast setek nieczytelnych wykresów wolą oni przystępne wyjaśnienia i gotowe wnioski.