SensorFM: modelo de fundação para dados de saúde de wearables

O que aconteceu

Em 9 de julho de 2026, o Google Research apresentou o SensorFM, um modelo de fundação para dados de saúde de wearables, segundo o Google Research Blog. O modelo foi pré-treinado com mais de um trilhão de minutos de dados de sensores de cinco milhões de pessoas. O SensorFM aprende uma representação geral da fisiologia humana e transfere conhecimento para 35 tarefas de predição de saúde, com suporte a adaptação eficiente com poucos rótulos e preenchimento de dados. Os pesquisadores Xin Liu e Daniel McDuff, do Google Research, assinam o trabalho.

O conjunto de dados de pré-treinamento foi construído a partir de dados desidentificados de cinco milhões de participantes que consentiram o uso das informações para pesquisa em saúde e bem-estar, coletados entre setembro de 2024 e setembro de 2025. A base cobre mais de 100 países, todos os 50 estados dos EUA e mais de 20 modelos de Fitbit e Pixel Watch. Segundo os autores, é o maior e mais diverso conjunto de dados wearable usado para treinar um modelo até o momento.

Contexto

Estimativas citadas no artigo indicam que bilhões de dispositivos wearable estão em uso, monitorando frequência cardíaca, movimento, temperatura da pele, oxigenação do sangue e sono. Esse fluxo contínuo de dados fisiológicos é visto como uma matéria-prima promissora para saúde preventiva e personalizada. Mas transformar esses sinais em insights é difícil: a fisiologia de base, o estilo de vida e a saúde variam muito entre pessoas, e um padrão de risco em um indivíduo pode não valer para outro. Além disso, os rótulos necessários para treinar modelos — diagnósticos confirmados, resultados de exames, questionários validados — são caros, lentos e praticamente impossíveis de obter retroativamente. Por isso, a maioria dos modelos de saúde wearable foi construída um desfecho por vez, com pipelines supervisionados sob medida.

Por que importa

O SensorFM ataca exatamente esse gargalo. Ao aprender de dados não rotulados em escala populacional, o modelo cria uma representação reutilizável da fisiologia humana que pode ser aplicada a diferentes domínios, como saúde cardiovascular, metabólica, do sono e mental, além de fatores de estilo de vida e demográficos. Para empresas e pesquisadores, isso significa menos dependência de dados rotulados caros e mais capacidade de generalizar para novas tarefas. Para o usuário final, o modelo pode servir como base para um Personal Health Agent, um agente que interpreta os dados do corpo de forma contínua e contextualizada.

Impacto

No curto prazo, o SensorFM pode acelerar a pesquisa em saúde digital ao permitir que equipes menores desenvolvam modelos preditivos com menos dados anotados. No médio prazo, a abordagem de modelos de fundação para dados de sensores pode mudar a forma como wearables transformam sinais brutos em recomendações de saúde, com potencial para prevenção e acompanhamento personalizado. A escala do pré-treinamento — mais de um trilhão de minutos — também coloca um novo patamar para a área, ao demonstrar que dados fisiológicos diversificados podem ser usados de forma genérica.

O que muda

A principal mudança é a passagem de modelos especializados, treinados para um único desfecho, para um modelo geral de fisiologia. Em vez de criar um pipeline novo para cada condição, pesquisadores podem partir de uma representação já aprendida e adaptá-la com poucos exemplos. O modelo também suporta preenchimento de dados, o que pode ajudar em situações em que há lacunas na medição. Outra mudança é o uso de dados de múltiplos dispositivos e países, o que tende a tornar os resultados mais representativos da diversidade humana.

O que vem agora

O Google Research não detalhou um cronograma público de disponibilização do SensorFM. O próximo passo esperado é a validação do modelo em mais tarefas clínicas e a eventual integração com assistentes pessoais de saúde. Também deve crescer o debate sobre privacidade e consentimento no uso de dados de wearables em larga escala, já que o pré-treinamento depende de informações sensíveis de milhões de pessoas.

Fontes

• Google Research Blog: [SensorFM: Towards a general intelligence and interface for wearable health data](https://research.google/blog/sensorfm-towards-a-general-intelligence-and-interface-for-wearable-health-data/)