Google показывает без чего не может быть персонализированная медицина

Команда выпустила SensorFM - фундаментальная модель, обученная на 1 триллионе минут данных с носимых устройств 5 миллионов человек.

Они считают, вместо того, чтобы строить отдельные модели под каждую задачу для здоровья, будь то сердце, сон, метаболизм и тд., SensorFM учится на огромном объёме неразмеченных данных с носимых устройств и создаёт одно общее представление физиологии человека, которое потом можно адаптировать под множество задач.

Это интересно не только для крупных компаний из фармы, но и для обычных пользователей.

В мае наш основатель Ани Асланян опубликовала на Patreon свой опыт создания за 5 минут iOS-приложения для здоровья с помощью Claude и нашла интересные инсайты о своем здоровье, которые не дают массовые приложения.

Получается, что имея богатые, многолетние, мультиустройственные личные данные и инструмент анализа в виде Claude - это круто.

Но между этими данными и понимаем того, что они означают для здоровья конкретного человека нет ответа. Потому что значение паттерна можно понять только в сравнении. А это знание не живёт в персональных данных, оно находится в популяции многочисленных людей.

Получается, что ты можешь знать о себе, но не знать, что это значит в масштабе биологии. А Google знает биологию популяции, но может не знать о тебе.