Google Research wprowadził SensorFM - Large Sensor foundation Model przeznaczony do nauki reprezentacji szeregów czasowych z urządzeń noszonych. Model SensorFM jest przełomowy, ponieważ rozwiązuje fundamentalny problem w zdrowotnych modelach AI: tradycyjne podejścia budują osobny model dla każdego zdrowotnego wyniku, co staje się niemożliwe przy skali 35 i więcej punktów końcowych. Kosztowne etykietowanie i retroaktywna adnotacja danych czyniłyby takie podejście niepraktycznym.
Model został wytrenowany na danych od 5 milionów uczestników obejmujących ponad 100 krajów i wszystkie 50 stanów USA, zbieranych między wrześniem 2024 a wrześniem 2025 roku z urządzeń Fitbit i Pixel Watch (20+ modeli). SensorFM przetwarza 34 agregowane cechy minutowe pochodzące z pięciu sensorów: PPG (mierzy puls), akcelerometr (ruchy), EDA (przewodność skóry), temperaturę skóry i wysokościomierz. Dane organizowane są w siedmiu kategoriach w kontekście 24-godzinnego okna czasowego. Sieć wykorzystuje enkoder ViT-1D trenowany z techniką masked autoencoder.
Google oferuje cztery warianty modelu - od XS z 138 tysiącami parametrów trenowanego na 5 tysięcy uczestników, aż po wariant B z 110 milionami parametrów oparty na danych 5 milionów osób. Łączna baza treningowa to ponad 2 miliardy godzin sensorycznych. Ewaluacja modelu przeprowadzona została na osobnych danych z 13 985 uczestników w trzech prospektywnych badaniach zatwierdzonych przez komisje etyczne, obejmujących metabolizm, kardiologię i oddychanie.