论文《迈向可穿戴健康数据的通用智能与交互界面》（Towards a General Intelligence and Interface for Wearable Health Data）的核心成果是一个名为 SensorFM 的可穿戴健康基础模型。通俗地说，研究者希望为智能手表建立一个类似“大语言模型底座”的系统：它不是只判断某一种疾病，而是先从海量手表数据中学习人体活动、生理节律和健康状态之间的一般规律，之后再用少量有标注的数据，让它适配心血管、代谢、睡眠、心理健康等不同任务。论文于2026年5月提交至arXiv，目前属于预印本研究。(arXiv)
传统的可穿戴健康算法通常是“一种问题训练一个模型”。例如，要预测高血压、糖尿病或睡眠障碍，往往分别收集数据、提取特征、标注结果并训练模型。这种方式成本很高，因为可靠的健康标签通常需要化验、临床诊断或专业问卷，而历史手表数据几乎不可能事后补齐这些标签。SensorFM采用了另一条路线：先利用大量没有疾病标签的日常数据进行自监督学习，让模型学会理解人体数据本身。(ar5iv)
其预训练数据来自约500万名自愿同意使用匿名数据的Fitbit和Pixel Watch用户。研究者从每人数据中随机抽取最多10周，总量超过20亿小时，即超过1万亿分钟。数据覆盖100多个国家和20多种设备型号。模型并不直接读取原始波形，而是读取按分钟汇总的34项指标，包括心率和心率变异性、血氧、睡眠阶段、步数和运动特征、皮肤温度、皮肤电活动以及高度变化等。每次输入覆盖连续24小时，因此模型既能看到某一分钟的状态，也能理解昼夜节律和一天中的整体行为模式。(Google Research)
SensorFM的训练方式可以理解成“遮住一部分数据，让模型猜回来”。研究者故意隐藏部分心率、睡眠或运动数据，要求模型根据剩余信息恢复缺失部分。现实中的手表数据也经常因摘下设备、没电、节能模式或传感器关闭而缺失。SensorFM把这些真实缺口和人工遮挡统一处理，因而不是简单丢弃不完整记录，而是学习不同传感器、不同时间段之间的联系。例如，模型可以根据活动量、心率、时间和前后睡眠状态，推测一段缺失的睡眠或运动数据。其主体采用一维视觉Transformer结构，最大版本约有1.11亿个参数。(ar5iv)
论文最重要的结论之一是：数据量和模型规模同时增加，效果会比较稳定地提高。研究者将模型从约14万参数扩大到约1.11亿参数，同时把训练数据从数千人扩大到500万人。结果显示，不能只把模型做大而数据不变，也不能只增加数据而模型容量不足；两者同步扩大时，预训练和后续健康任务的表现都呈现接近线性的提升，而且尚未明显达到饱和。(Google Research)
在下游测试中，研究者使用三个前瞻性研究中共13,985人的数据，设置了35项任务，涉及心血管风险、高血压、糖尿病和胰岛素抵抗、血脂、抑郁、焦虑、压力、睡眠障碍，以及年龄、体重和生活方式等。研究时先冻结SensorFM主体，只在输出后增加一个很简单的线性预测层。即便如此，它仍在34项任务上超过传统的人工特征模型，说明基础模型确实学到了一套可以重复使用的“人体状态表示”，而不只是记住某个特定疾病的规则。随着有标签样本增加，大模型的优势也更加明显。(Google Research)
SensorFM还表现出较强的数据补全能力。与均值填充、线性插值等方法相比，它在随机缺失、连续时间缺失、未来数据推测和整类传感器缺失等测试中，误差降低约38.8%至83.7%。当研究者人为删除一天中连续60分钟的数据后，模型补全结果仍可使全天步数、深睡时长和轻度运动时间的估计保持约99%以上的准确度。这并不表示它能恢复每一个真实瞬间，而是说明它能够减少数据缺失对全天统计结果造成的系统性低估。(ar5iv)
为了减少为35个任务逐一设计预测模型的工作，论文还建立了一个“大模型课堂”：多个LLM代理像一组机器学习工程师一样，自动编写代码、训练模型、比较成绩并相互借鉴，累计探索了3万多个方案。代理找到的预测头在20个分类任务中的16个、15个回归任务中的12个上超过简单线性模型。这说明大语言模型不仅可以解释健康结果，还可以辅助设计处理传感器表示的算法。(Google Research)
最后，研究者把SensorFM接入个人健康助手，让语言模型在生成健康总结时参考SensorFM的预测。他们选择31个真实参与者档案，由4名医生对回答的相关性、个性化程度、依据充分性、上下文理解和潜在伤害进行1,860次评分。加入SensorFM信息后，回答整体优于只提供普通手表统计数据的版本；在该实验中，其评分与提供真实健康标签的版本没有显著差异。不过，“没有显著差异”并不等于模型预测已经能够替代临床检查。(Google Research)
论文也明确指出，SensorFM目前主要基于Fitbit和Pixel Watch，未必能直接适用于其他品牌；一分钟汇总数据会丢失心搏级和亚秒级细节；部分健康标签来自自我报告或问卷；样本人群也不能完全代表普通人群。更重要的是，作者将其定位为健康筛查、风险分层和长期趋势监测工具，而不是临床诊断系统。总体来看，这项工作的真正意义不是证明“手表可以代替医生”，而是表明海量可穿戴数据能够训练出一个通用的人体传感器模型，为数据补全、健康风险提示和个性化健康助手提供统一的技术底座。(ar5iv)