구글, 웨어러블 센서 데이터 통합 모델 SensorFM 공개

주장구글 리서치가 개발한 SensorFM은 파편화된 웨어러블 센서 데이터를 통합하여 인간의 생리학적 상태와 행동을 이해하는 범용 건강 인공지능 모델입니다. 이 모델은 기존의 단일 목적 건강 기능들을 하나의 공유된 기반 모델로 대체하여 데이터 효율성을 극대화합니다.

팩트SensorFM은 500만 명의 핏빗 및 픽셀 워치 사용자로부터 수집된 1조 분 이상의 다중 모달 센서 데이터를 학습했습니다. 해당 데이터는 100개국 이상에서 수집되었으며 20종 이상의 기기 모델을 포함하는 역대 최대 규모의 웨어러블 데이터셋입니다.

팩트모델은 광학 심박수, 가속도, 피부 전도도, 피부 온도, 기압 고도 등 5가지 센서 유형에서 추출된 34가지 특징을 처리합니다. 학습 과정에서는 적응형 및 상속 마스킹(AIM) 기술을 사용하여 데이터의 누락이나 결측치를 효과적으로 처리합니다.

팩트연구진이 35가지 건강 및 행동 예측 과제를 수행한 결과, SensorFM은 기존의 수동 설계된 특징 기반 모델보다 34개 과제에서 더 우수한 성능을 보였습니다. 모델의 규모와 데이터 양이 증가할수록 예측 오류가 체계적으로 감소하는 경향을 확인했습니다.

팩트연구진은 SensorFM의 표현력을 새로운 과제에 적용하기 위해 3만 건 이상의 실험을 수행하는 거대언어모델(LLM) 에이전트 그룹을 활용했습니다. 이 과정을 통해 발견된 모델들은 단순 선형 모델보다 28개 과제에서 더 높은 예측 성능을 기록했습니다.

주장SensorFM은 개인 건강 에이전트의 답변 품질을 향상시키는 핵심 기술로 활용됩니다. 임상 전문가들의 평가 결과, SensorFM의 예측값이 포함된 건강 요약 정보는 맥락, 개인화, 안전성 등 5개 항목에서 기준 모델보다 높은 점수를 받았습니다.

주장이번 연구는 고비용의 라벨링 데이터 의존도를 낮추고, 우울증이나 불안 증상처럼 개인차가 큰 건강 지표를 측정하는 데 기여합니다. 앞으로 구글의 건강 관리 서비스인 제미나이 기반 헬스 코치 등에 기술적 토대로 통합될 가능성이 있습니다.

교차검증SensorFM은 현재 연구 단계의 모델이며 실제 임상 측정이나 진단을 대체할 수는 없습니다. 또한 핏빗과 픽셀 워치 데이터로만 학습되었기 때문에 다른 제조사의 웨어러블 기기에서도 동일한 성능을 보장할 수 있을지는 미지수입니다.

교차검증모델은 분 단위로 집계된 데이터를 처리하므로 매우 짧거나 미세한 신호 패턴을 놓칠 가능성이 있습니다. 연구 대상 인구의 대표성 문제와 정적인 환경에서의 평가라는 한계점도 존재합니다.

출처더 디코더(The Decoder) 보도와 구글 리서치 공식 블로그 및 아카이브(arXiv) 논문을 교차 검증했습니다.