Google का SensorFM: यूनिवर्सल हेल्थ इंटेलिजेंस के लिए एक फाउंडेशन मॉडल

Google Research ने SensorFM का अनावरण किया है, जो एक क्रांतिकारी फाउंडेशन मॉडल है। इसे बिखरे हुए वियरेबल सेंसर डेटा को हेल्थ इंटेलिजेंस की एक एकीकृत परत (unified layer) में बदलने के लिए डिज़ाइन किया गया है। विशाल डेटासेट का लाभ उठाकर, यह मॉडल केवल एकल-उद्देश्य वाले ट्रैकिंग से आगे बढ़कर मानव शरीर विज्ञान (physiology) और व्यवहार की व्यापक समझ प्रदान करता है।

साइलो (Siloed) वियरेबल मेट्रिक्स से आगे बढ़ना

वर्तमान वियरेबल तकनीक आमतौर पर एक "साइलो" (siloed) दृष्टिकोण पर निर्भर करती है: एक एल्गोरिदम नींद के चरणों का पता लगाता है, दूसरा हृदय संबंधी जोखिम का अनुमान लगाता है, और तीसरा तनाव की निगरानी करता है। यह खंडित आर्किटेक्चर अक्षम है और उपयोगकर्ता के स्वास्थ्य का समग्र दृष्टिकोण प्रदान करने में संघर्ष करता है।

SensorFM का लक्ष्य इन असंबद्ध मॉडलों को एक साझा AI फाउंडेशन से बदलना है। इसे स्वास्थ्य संबंधी प्रश्नों की एक विस्तृत श्रृंखला का उत्तर देने के लिए निरंतर, अक्सर "गैपी" (gappy) या अधूरे सेंसर डेटा को प्रोसेस करने के लिए डिज़ाइन किया गया है। यह बदलाव व्यक्तिगत AI हेल्थ असिस्टेंट बनाने की अनुमति देता है, जिनके पास उपयोगकर्ता की शारीरिक स्थिति की गहरी प्रासंगिक जागरूकता (contextual awareness) होती है।

विशाल पैमाना और मल्टीमॉडल डेटा एकीकरण

वियरेबल क्षेत्र में SensorFM की प्रीट्रेनिंग का पैमाना अभूतपूर्व है। Google के शोधकर्ताओं ने 100 से अधिक देशों के पांच मिलियन Fitbit और Pixel Watch उपयोगकर्ताओं से एकत्र किए गए एक ट्रिलियन मिनट से अधिक के मल्टीमॉडल सेंसर डेटा का उपयोग किया। यह डेटासेट इस तरह के मॉडल को प्रशिक्षित करने के लिए उपयोग किए गए वियरेबल डेटा के सबसे बड़े और सबसे विविध संग्रह का प्रतिनिधित्व करता है।

मॉडल पांच मुख्य सेंसर प्रकारों से प्राप्त 34 विशिष्ट विशेषताओं (features) को प्रोसेस करता है:

• Optical Heart Rate Monitoring (PPG): हृदय गति और हृदय गति परिवर्तनशीलता (heart rate variability) को ट्रैक करना।
• Acceleration: शारीरिक गतिविधि और गति की निगरानी करना।
• Skin Conductance: शारीरिक प्रतिक्रियाओं को मापना।
• Skin Temperature: थर्मल परिवर्तनों को ट्रैक करना।
• Barometric Altitude: ऊंचाई में बदलाव को महसूस करना।

वियरेबल डेटा की अंतर्निहित "नॉइज़नेस" (noisiness) को संभालने के लिए, SensorFM "Adaptive and Inherited Masking" (AIM) नामक तकनीक का उपयोग करता है। यह मॉडल को वास्तव में गायब डेटा पॉइंट्स और प्रशिक्षण के दौरान कृत्रिम रूप से मास्क किए गए डेटा पॉइंट्स के बीच अंतर करने की अनुमति देता है, जिससे यह अधूरे डेटा स्ट्रीम को पुनर्गठित और समझने में सक्षम होता है।

35 स्वास्थ्य कार्यों में बेहतर प्रदर्शन

मानसिक स्वास्थ्य, हृदय स्वास्थ्य, मेटाबॉलिक मार्कर और नींद सहित 35 विभिन्न प्रेडिक्शन कार्यों के खिलाफ कठोर परीक्षण में, SensorFM ने उल्लेखनीय बहुमुखी प्रतिभा का प्रदर्शन किया। लगभग 14,000 प्रतिभागियों के एक अलग डेटासेट पर परीक्षण करने पर, SensorFM के रिप्रेजेंटेशन पर बने सरल टास्क-विशिष्ट मॉडलों ने 35 में से 34 श्रेणियों में पारंपरिक सुपरवाइज्ड बेसलाइन से बेहतर प्रदर्शन किया।

इसके अलावा, मॉडल अत्यधिक "लेबल-एफिशिएंट" (label-efficient) साबित हुआ। चूंकि इसने प्रीट्रेनिंग के दौरान मानव शरीर विज्ञान के मूलभूत पैटर्न पहले ही सीख लिए हैं, इसलिए इसे नए, विशिष्ट कार्यों के अनुकूल होने के लिए काफी कम लेबल किए गए उदाहरणों की आवश्यकता होती है। यह क्षमता चिंता या अवसाद जैसे जटिल और अत्यधिक व्यक्तिगत लक्षणों की निगरानी के लिए विशेष रूप से महत्वपूर्ण है।

AI हेल्थ एजेंटों की अगली पीढ़ी को सशक्त बनाना

शायद SensorFM का सबसे महत्वपूर्ण निहितार्थ Gemini जैसे Large Language Models (LLMs) के साथ इसका एकीकरण है। प्रयोगात्मक सेटअप में, SensorFM ने एक AI हेल्थ एजेंट को शारीरिक संदर्भ (physiological context) प्रदान किया, जिसने फिर चिकित्सकों द्वारा समीक्षा के लिए स्वास्थ्य सारांश (health summaries) तैयार किए।

परिणाम चौंकाने वाले थे: SensorFM भविष्यवाणियों के साथ संवर्धित सारांशों ने पांच महत्वपूर्ण आयामों में बेसलाइन सारांशों की तुलना में काफी अधिक स्कोर किया: संदर्भ (context), वैयक्तिकरण (personalization), न्यायसंगतता (justifiability), प्रासंगिकता (relevance), और सुरक्षा (safety)। विशेष रूप से, SensorFM भविष्यवाणियों का उपयोग करने वाले AI का प्रदर्शन सांख्यिकीय रूप से वास्तविक नैदानिक स्वास्थ्य डेटा के उपयोग के बराबर था, जो यह सुझाव देता है कि फाउंडेशन मॉडल जल्द ही व्यक्तिगत डिजिटल स्वास्थ्य कोचिंग के लिए उच्च-सटीकता वाला संदर्भ प्रदान कर सकते हैं।

मुख्य बातें

• एकीकृत इंटेलिजेंस: SensorFM खंडित, एकल-उद्देश्य वाले स्वास्थ्य एल्गोरिदम को एक एकल फाउंडेशन मॉडल से बदल देता है जो 35 अलग-अलग स्वास्थ्य और व्यवहार संबंधी कार्यों को संभालने में सक्षम है।
• अद्वितीय पैमाना: मॉडल को पांच मिलियन उपयोगकर्ताओं के एक ट्रिलियन मिनट के मल्टीमॉडल डेटा पर प्रीट्रेन किया गया था, जो इसे अपने प्रकार का सबसे बड़ा डेटासेट बनाता है।
• उन्नत AI संदर्भ: LLMs में शारीरिक अंतर्दृष्टि (physiological insights) प्रदान करके, SensorFM अत्यधिक व्यक्तिगत और नैदानिक रूप से प्रासंगिक स्वास्थ्य सारांश और डिजिटल असिस्टेंट सक्षम बनाता है।