SensorFM、5百万人のウェアラブルデータから生理表現を学習

Google Research は、ウェアラブルの未ラベルデータから人の生理状態を表す SensorFM を発表しました。5百万人から得た1兆分超のセンサー信号を事前学習し、心血管、代謝、睡眠、メンタルヘルスなど35種類の予測課題へ転用しています。

要点

• 2024年9月から2025年9月までに同意を得た5百万人、100カ国超、20機種超の Fitbit・Pixel Watch データを使っています。
• 24時間分の34特徴量を扱い、欠測を除去・補完せず学習対象として扱う設計です。
• 最大モデルは35課題中33課題で他のモデル構成を上回りましたが、研究成果であり診断用製品の提供発表ではありません。

今回のブログ記事で語られていること

SensorFM の狙いは、疾患や指標ごとに専用モデルを作る従来の方法から、複数の健康課題へ再利用できる生理表現へ移ることです。学習データは、健康・ウェルネス研究への利用に同意した5百万人の匿名化データです。100カ国超、米国全50州、20機種超の Fitbit と Pixel Watch を含み、数週間分ずつを集めて20億時間超、1兆分超の規模にしています。

入力は1分単位に集約した34特徴量で、光電式容積脈波、加速度、皮膚電気活動、皮膚温度、高度の5種類のセンサーに由来します。心拍数、心拍変動、血中酸素飽和度、睡眠段階、動き、歩数、皮膚コンダクタンス、温度を24時間の窓で扱います。生のセンサー波形を無条件に何でも読めるモデルではなく、対象となる機器・集約特徴量・時間窓が定義された研究です。

ウェアラブルでは、充電、腕から外す時間、省電力動作、センサーのオン・オフによって欠測が避けられません。SensorFM は実際の欠測と、学習用に人工的に隠した部分を同等に扱う AIM という再構成手法を採用しました。欠けた区間を事前補完して偏りを入れたり、不完全な記録を捨てたりするのではなく、欠測を含む状態から表現を学ぶ点が特徴です。

規模を変えた実験では、事前学習データを約200万時間から20億時間、モデルを10万から1億パラメーターまで広げています。最大の SensorFM-B は最小構成より再構成損失を31%下げ、分類課題の AUC を平均9%、回帰課題のピアソン相関係数を平均21%改善しました。35課題のうち33課題で最良となり、凍結した表現に単純な線形予測層を載せた比較でも、特徴量を人手設計した教師あり基準を34課題で上回っています。

評価対象は、合計13,985人が参加した倫理審査承認済みの3研究です。心血管、代謝リスク、メンタルヘルス、睡眠、人口統計、生活習慣の6分類、35課題を含みます。ラベルが少ない条件でも基準モデルを上回ったことは、診断・検査結果のような高品質ラベルを大量に集めにくい健康研究で意味があります。一方、事前学習と評価の母集団、デバイス、期間に依存するため、別の集団や機器で同じ性能が出るとは限りません。

研究チームは、SensorFM の表現から予測層を作る作業も自動化しました。複数の大規模言語モデルのエージェントがコードを生成・評価・改善し、3万件超の候補を探索しています。その予測層は単純な線形方式に対し、分類20課題中16課題、回帰15課題中12課題で上回りました。これは Gemini 自体が健康を診断した結果ではなく、SensorFM の表現を特定課題へ適応させるコード探索の結果です。

さらに31人の実データを使い、SensorFM の予測を個人向け健康エージェントへ渡す評価も行われました。臨床家が文脈、関連性、根拠、個別化、潜在的危害の5軸で計1,860件を評価し、通常のウェアラブル指標だけの場合より全軸で改善しました。実測ラベルを渡した場合との統計的有意差は確認されませんでしたが、31人の要約評価から医療現場での安全性や診断精度まで証明されたわけではありません。

今回のブログ記事が関係する人

ウェアラブルデータを使う健康研究者、時系列モデルを開発する機械学習チーム、個人向け健康支援を設計する製品担当に関係します。研究参加同意、匿名化、母集団の代表性を確認する倫理・データガバナンス担当にも重要です。

どう読むと価値があるか

• 「1兆分」は人数ではなく、5百万人から集めたセンサー時間の合計です。
• 35課題での転用性能と、個人向け健康エージェントの31人評価は別の実験です。
• 同意済み・匿名化済みデータという説明はありますが、モデルや学習データの一般提供は発表されていません。
• 予測が実測ラベルに近かったという結果を、診断の承認や臨床的有効性の証明と読み替えないことが重要です。

実務へのつながり

類似研究を進める場合は、対象デバイスのセンサーと集約方法が SensorFM の34特徴量に対応するかを確認します。そのうえで、欠測率、装着習慣、年齢・地域・健康状態ごとの性能を分けて評価し、外部集団で再現性を確かめます。健康助言へ使うなら、人による確認、誤判定時の案内、緊急症状を扱わない境界も先に設計する必要があります。

結局、今回のブログ記事をどう読むべきか

SensorFM は、大規模な未ラベル時系列から再利用可能な健康表現を作れる可能性を示した研究です。規模と複数課題での結果は注目に値しますが、製品提供や医療承認の発表ではありません。母集団外での再現性、個人差、欠測パターン、誤った健康助言の危害を検証して初めて実利用を判断できる段階です。