Google Research выкатила SensorFM — базовую модель, обученную на чудовищном массиве данных: 1,1 триллиона минут записей от 5 миллионов пользователей Fitbit и Pixel Watch. Вместо того чтобы по старинке латать код под каждую задачу, инженеры скормили нейросети сырые сигналы из 100 стран. Модель работает по принципу self-supervised learning, самостоятельно «дорисовывая» пропуски в данных, когда пользователь снимает гаджет или забывает его зарядить. В итоге получилась универсальная карта человеческой физиологии, которая понимает контекст — будь то фаза сна или пик стресса — без ручной разметки под каждый чих.

Инфраструктура вместо «умных будильников»

Для бизнеса это означает радикальное снижение входного порога. Раньше разработка алгоритма для детекции апноэ или депрессии сжигала бюджеты на клинические исследования и оплату труда врачей-разметчиков. Теперь SensorFM-B со своими 100 миллионами параметров берет на себя роль интеллектуальной прослойки, интерпретирующей данные с датчиков на лету.

Тестирование показало: выводы персонального ИИ-коуча на базе этой модели клинически не уступают отчетам живых врачей.

Google фактически лишает стартапы необходимости строить собственные лаборатории. Это открывает путь к массовой диагностике через любые носимые устройства — от колец до браслетов.

Рыночный сдвиг: от сбора данных к качеству сервиса

Бизнес-потенциал здесь не в очередной функции «шагомера», а в создании фундамента для превентивной медицины, который невозможно воспроизвести силами отдельного медцентра. Модель уже закрывает потребности кардиологии, сомнологии и эндокринологии, справляясь с 35 задачами прогнозирования. Это прямой сигнал рынку: эпоха изолированных трекеров мертва. Начинается этап глубокой интеграции носимых гаджетов в систему здравоохранения через стандартизированные ИИ-интерфейсы.

SensorFM превращает носимые устройства в полноценный диагностический инструмент, обнуляя капитализацию тех, кто строил бизнес только на эксклюзивном доступе к данным. Теперь конкурентным преимуществом станет не владение базой сигналов, а качество интерпретации и персонализация советов. Google предлагает готовую «физиологическую операционку», на которой остальным придется строить свои надстройки, если они не хотят остаться на обочине новой индустрии здоровья.

Искусственный интеллектИИ в здравоохраненииСнижение затратGoogle DeepMind