Google Research تطلق SensorFM: نموذج للتنبؤ الصحي في 35 مهمة

في 10 يوليو 2026 قدمت Google Research نموذج SensorFM، وهو نموذج تأسيسي للتنبؤ بالحالة الصحية انطلاقًا من بيانات الأجهزة القابلة للارتداء. دُرّب النموذج على 1 تريليون دقيقة (أي أكثر من 2 مليار ساعة) من بيانات المستشعرات التي جمعها 5 ملايين متطوع، ويمكن نقل ما تعلمه إلى 35 مهمة من مهام التنبؤ الطبي.

ما هو SensorFM

SensorFM (Large Sensor Foundation Model) هو نموذج Transformer تأسيسي متخصص في تحليل السلاسل الزمنية الصادرة عن الأجهزة القابلة للارتداء. يعالج النموذج 34 مؤشرًا مجمّعًا على مستوى الدقيقة من خمسة مستشعرات: التصوير الضوئي للحجم (PPG) لقياس نبض القلب، ومقياس التسارع، والنشاط الكهربائي الجلدي، ودرجة حرارة الجلد، ومقياس الارتفاع. وتُنظَّم هذه المؤشرات في سبع فئات ضمن نافذة سياق مدتها 24 ساعة.

يقوم النموذج على مشفّر ViT-1D (نسخة أحادية البعد من Vision Transformer) دُرّب بأسلوب masked autoencoder. ويُطرح النموذج بأربعة أحجام، من XXS (138 ألف معامل) إلى B (110 ملايين معامل).

• البنية: ViT-1D مع masked autoencoder
• بيانات الإدخال: 34 مؤشرًا من 5 مستشعرات (PPG، ومقياس التسارع، وEDA، ودرجة الحرارة، ومقياس الارتفاع)
• نافذة السياق: 24 ساعة
• أربعة أحجام: XXS وXS وS وB (من 138 ألف إلى 110 ملايين معامل)
• المهام المستهدفة: التنبؤ بـ 35 نتيجة صحية

على أي بيانات جرى التدريب

استخدم التدريب بيانات 5 ملايين متطوع جُمعت بين سبتمبر 2024 وسبتمبر 2025. وتغطي مجموعة البيانات أكثر من 100 دولة، وجميع الولايات الأمريكية الخمسين، وأكثر من 20 طرازًا من أجهزة Fitbit وPixel Watch. ويتجاوز حجمها الإجمالي 2 مليار ساعة، أي أكثر من 1 تريليون دقيقة.

ولأغراض التقييم استُخدمت بيانات منفصلة لـ 13 985 مشاركًا من ثلاث دراسات استباقية حاصلة على موافقة لجنة أخلاقيات. وتغطي هذه الدراسات ثلاثة مجالات: الأيض، والجهاز القلبي الوعائي، والتنفس.

لماذا يهم هذا الأمر

تُبنى نماذج الصحة التقليدية لنتيجة واحدة في كل مرة. ومع وجود 35 نقطة نهاية يصبح هذا النهج غير فعال: فالتوسيم مكلف، والتوسيم بأثر رجعي غير واقعي. أما SensorFM فيعتمد نموذج foundation model: تدريب على بيانات خام ضخمة دون توسيم، ثم نقل التعلم إلى 35 مهمة محددة. وهذا يوفر تكاليف التوسيم ويحسّن القدرة على التعميم.

تُعد الأجهزة القابلة للارتداء (Fitbit وApple Watch وPixel Watch) مصدرًا قويًا لبيانات طبية واقعية. أما النماذج المخبرية فنادرًا ما تعمل على الأجهزة التجارية. وقد دُرّب SensorFM على هذه الأجهزة تحديدًا، وهو أمر حاسم لاعتماده في البيئة السريرية.

ماذا يعني ذلك

تُظهر النماذج التأسيسية أن حجم البيانات عامل أساسي في الجودة والشمولية. ويُعد SensorFM أول نموذج Transformer تأسيسي جدي لمستشعرات الصحة القابلة للارتداء، وهو لبنة يمكن أن تبني عليها شركات الطب عن بُعد الناشئة وشركات الأدوية والعيادات. أما تريليون دقيقة فمعيار يكاد يتعذر بلوغه، ومن غير المرجح أن يتمكن المنافسون من تجاوزه دون الوصول إلى منظومات بيانات مماثلة.