Google ra mắt SensorFM: Mô hình AI nền tảng cho dữ liệu sức khỏe từ thiết bị đeo

Theo tin từ IT ngày 11 tháng 7, đội ngũ nghiên cứu của Google đã đăng tải bài viết trên blog vào ngày 9 tháng 7, thông báo ra mắt mô hình nền tảng sức khỏe đeo tay SensorFM. Mô hình này đã vượt qua các tiêu chuẩn cơ sở (baseline) có giám sát dựa trên kỹ thuật đặc trưng (feature engineering) ở 34 trên tổng số 35 tác vụ sức khỏe.

Mô hình này được huấn luyện trước dựa trên dữ liệu từ thiết bị đeo của 5 triệu người tham gia trên toàn cầu (đã được sự đồng ý), với dữ liệu huấn luyện được thu thập từ tháng 9 năm 2024 đến tháng 9 năm 2025, bao phủ hơn 100 quốc gia và khu vực, cùng hơn 20 mẫu thiết bị Fitbit và Pixel Watch. Sau khi trích xuất dữ liệu vài tuần từ mỗi người, tổng cộng đã hình thành hơn 2 tỷ giờ (hơn 1 nghìn tỷ phút) tín hiệu.

Đầu vào của mô hình bao gồm 34 đặc trưng tổng hợp trong 1 phút, thu thập từ 5 loại dữ liệu cảm biến: PPG (đo thể tích quang học), accelerometry (gia tốc kế), EDA (hoạt động điện bì), nhiệt độ da và máy đo độ cao, tương ứng với việc ghi lại nhịp tim và biến thiên nhịp tim, độ bão hòa oxy trong máu, giai đoạn giấc ngủ, vận động và số bước chân, độ dẫn điện của da và nhiệt độ cơ thể trong vòng 24 giờ.

Về quy mô mô hình, SensorFM có 4 kích thước gồm XXS, XS, S và B. So với phiên bản nhỏ nhất, mô hình lớn nhất SensorFM-B có mức tổn thất tái tạo (reconstruction loss) giảm 31%, AUC trung bình trong các tác vụ phân loại tăng 9% và hệ số tương quan Pearson trung bình trong các tác vụ hồi quy tăng 21%. IT đính kèm các dữ liệu liên quan như sau:

Trên 35 tác vụ sức khỏe mang tính phân biệt, SensorFM-B đã giành chiến thắng ở 33 tác vụ. Nghiên cứu cũng cho biết, các đầu dò tuyến tính (linear probe) đã vượt trội hơn so với các tiêu chuẩn cơ sở có giám sát dựa trên kỹ thuật đặc trưng ở 34 trên 35 tác vụ, bao gồm 6 nhóm: tim mạch, rủi ro chuyển hóa, sức khỏe tâm thần, giấc ngủ, nhân khẩu học và lối sống.

Đội ngũ nghiên cứu cũng xây dựng một "lớp học" agentic, nơi các tác nhân LLM hợp tác và cạnh tranh để lặp lại quá trình tạo, kiểm thử và tối ưu hóa mã suy luận. Trong thực nghiệm, hệ thống này đã khám phá hơn 30.000 phương án ứng viên; các đầu dự đoán (prediction head) được tạo ra đã vượt trội hơn so với các đầu dò tuyến tính ở 16 trên 20 tác vụ phân loại và 12 trên 15 tác vụ hồi quy.

Thông báo quảng cáo: Các liên kết chuyển hướng bên ngoài trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, giúp tiết kiệm thời gian sàng lọc, kết quả chỉ mang tính chất tham khảo. Tất cả các bài viết của IT đều bao gồm thông báo này.