Google ResearchがSensorFMを発表、単一タスク型ウェアラブル健康モデルに挑戦

Google Researchは、同意を得た500万人の参加者から収集した1兆分を超えるウェアラブルデータで学習させたSensorFMを発表した。このモデルは、デジタルヘルスが抱えるコストの高い弱点に照準を合わせている。現在も大半のウェアラブル向けアルゴリズムは、単一の結果、単一のデータセット、単一のデバイス構成を前提に開発されている。

SensorFMの研究は、これとは異なる道筋を示している。Googleによると、再利用可能な単一の生理学的表現を、心血管、代謝、睡眠、メンタルヘルス、人口統計、生活習慣に関する35の予測タスクへ転用できたという。

Google Researchが発表したSensorFMは研究用システムであり、臨床製品ではない。この区別は重要だ。研究結果は管理された研究と後ろ向き評価に基づいており、病院、消費者向けコーチングアプリ、集団スクリーニングプログラムにおける安全な性能を証明するものではない。

競争上の比較対象となるのはAppleだ。同社の研究者も、大規模な同意取得済みコホートから収集した行動シグナルを含むApple Watchデータを用いて、基盤モデルを学習させている。両社は現在、ウェアラブルデータを個別の特徴量パイプラインではなく、汎用モデルの素材として捉えている。

したがって、当面の競争はFitbitとApple Watchのハードウェア対決ではない。汎用的な生理学モデリングと、健康上の評価項目ごとに個別の教師ありモデルを開発する従来手法との競争である。

Google Research、人口規模のデータでSensorFMを展開

SensorFMは、開発の単位を個別の健康予測から、再利用可能な人間の生理学的表現へと転換する。

Google Researchは2026年7月9日にSensorFMを発表した。シニアリサーチサイエンティストのXin LiuとスタッフリサーチサイエンティストのDaniel McDuffが、Google Researchブログでこの研究を紹介した。

モデルの事前学習には、2024年9月から2025年9月に収集された匿名化データが使用された。参加者500万人は、自身のデータを用いる健康・ウェルネス研究に同意していた。

データコーパスは100カ国以上、米国全50州、20種類を超えるFitbitおよびPixel Watchモデルを網羅する。Googleは参加者ごとに数週間分のデータを抽出した。

完成したデータセットには、分単位のセンサー情報が20億時間以上、換算すると1兆分以上含まれている。この公式数値は、データコーパスを100兆分と説明してきた一部の要約を訂正するものだ。

SensorFMは、24時間の時間枠における1分ごとの34種類の集約特徴量を処理する。これらの特徴量は、光電式容積脈波記録法、加速度測定、皮膚電気活動、皮膚温度、高度測定という5種類のセンサーモダリティから得られる。

一般にPPGと呼ばれる光電式容積脈波記録法は、光を使って皮膚付近の血液量変化を測定する。ウェアラブルデバイスは、その変化から心拍数や血中酸素濃度の推定値などのシグナルを導き出す。

加速度測定は動きを捉える。皮膚電気活動は皮膚コンダクタンスの変化を測定し、高度測定は標高の変化を推定する。これらの入力を組み合わせることで、睡眠、運動、体温、心血管活動、および関連する日常パターンを表現する。

健康シグナルが単独で現れることはまれであるため、このマルチモーダル設計は重要だ。安静時心拍数の上昇も、睡眠、運動、体温、その人に定着したベースラインによって意味が異なる可能性がある。

Googleは、機関審査委員会の承認を受けた3件の前向き研究において、学習済みの表現を35のタスクで評価した。これらの研究には合計13,985人が参加した。

タスクは6つのカテゴリーにわたる。心血管の健康、代謝リスク、メンタルヘルス、睡眠、人口統計、生活習慣特性が含まれていた。

主要な評価では、研究者はSensorFMのメインエンコーダーを固定した。そのうえで、各人のセンサーパターンを圧縮した数学的表現である埋め込みを使い、軽量な線形予測器を学習させた。

Googleによると、これらの線形予測器は、設計された特徴量で構築した教師ありベースラインを35タスク中34タスクで上回った。SensorFMの最大バージョンは、33タスクで最も優れた結果を記録した。

この結果は、1つのモデルで35種類の疾患を診断できることを意味しない。各ターゲット専用のエンコーダーを用意しなくても、同一の表現に多様な研究対象で有用な情報が保持されていたことを示している。

ここが中心的な変化だ。開発者は共有の生理学的表現を出発点とし、より小規模なタスク固有の予測層を使って適応させられる。

35のタスクに単一モデルを使う意義

SensorFMは、評価項目や研究ごとにウェアラブル健康データのパイプラインを一から構築しているチームに圧力をかける。

従来のウェアラブルモデルは、ラベル付き事例に大きく依存している。研究者はまず結果を定義し、検証済みラベルを収集して特徴量を設計し、その特定の問題に対応する教師ありモデルを学習させる。

このワークフローは、対象を絞ったタスクではうまく機能し得る。しかし、診断結果、臨床検査結果、検証済みの質問票データは収集コストが高く、研究終了後に再構築するのも難しい。

ウェアラブルデータには特有の不均衡がある。デバイスは測定値を継続的に生成する一方、それらのデータが臨床的に何を意味するかを説明できる信頼性の高いラベルは、比較的わずかしか得られない。

SensorFMは自己教師あり学習を使って、この隔たりを縮める。この手法では入力の一部を隠し、記録ごとに診断ラベルを必要とせずに、その部分を復元するようモデルを学習させる。

そのため、モデルはセンサーデータ自体の構造から学習する。その後、研究者はより小規模なラベル付きデータセットを使い、その構造が特定の予測に役立つかどうかを検証できる。

Googleの報告では、SensorFMは利用可能なラベルの一部しか使用していないにもかかわらず、人口統計データや設計済み特徴量を用いるベースラインに対して競争力を高めた。同社は、この結果を臨床的検証の代替として位置づけてはいない。

それでもラベル効率の向上は、初期研究の経済性を変える。チームは完全に独立した大規模モデリングパイプラインを最初から構築せずに、新しい評価項目を調査できる。

モデルの規模も、SensorFMとGoogleの従来のウェアラブル研究を隔てる要素だ。前身のLSM-2は、6万人を超える参加者から得た4,000万時間のデータで学習された。

従来のLSM-2フレームワークは、不完全なセンサーストリームから学習する手法を確立した。SensorFMは、その手法をはるかに多くの参加者、デバイス、地域、下流タスクへと拡張している。

Googleは、10万から1億パラメータまでのモデルサイズをテストした。また、事前学習データを200万から20億センサー時間まで、約4桁の規模で変化させた。

最大バージョンは、最小バージョンと比べて復元損失を31％低減した。Googleはさらに、分類指標で平均9％、回帰指標で平均21％の改善があったと報告している。

これらの割合は、研究チームが報告した相対的な性能向上を示す。臨床精度、疾患リスクの低減率、患者転帰の改善率を表すものではない。

より重要なのは、データ量とモデル容量を同時に増やすと性能も向上した、とGoogleが述べている点だ。同社が報告したスケーリング曲線は、明確な頭打ちには達していなかった。

この結果は、小規模な研究プログラムに圧力をもたらす。汎用的な生理学的表現が人口規模のデータによって予測可能な形で向上するなら、大規模なウェアラブルプラットフォームを持つ組織は構造的な優位性を得る。

デバイスメーカーは、この手法に必要な継続的データをすでに管理している。さらに、その収集に必要な同意取得システム、ハードウェア群、長期継続型サービスも運営している。

病院はより豊富な臨床ラベルを保有しているが、ウェアラブルデータはベンダーや記録システムをまたいで分断されていることが多い。スタートアップは対象を絞ったデータセットを持つ場合があるものの、プラットフォーム規模の長期的データ収集に匹敵できる企業はほとんどない。

したがってSensorFMは、競争の軸をアクセス、同意、データ品質、適応インフラへと移す。モデルアーキテクチャは依然として重要だが、学習用コーパスが中心的な戦略資産となる。

真の仕組みは欠損データからの学習

SensorFMで最も大きな影響をもたらす特徴は、パラメータ数ではなく、実際のウェアラブル利用につきものの欠損から学習できることだ。

ウェアラブルのデータストリームが完全に揃うことはほとんどない。ユーザーはデバイスを充電し、ストラップを緩め、センサーを無効にし、省電力設定を有効にし、腕時計をベッドサイドに置いたままにする。

ハードウェア構成も異なる。皮膚温度や皮膚電気活動を記録できるデバイスがある一方、動きと光学式心拍シグナルしか取得できないデバイスもある。

従来の自己教師ありシステムは、完全な入力を前提とする場合が多い。そのため研究者は、学習前に欠損部分を推定値で埋めるか、不完全なサンプルを除外しなければならない。

どちらの選択肢にも問題がある。補完は人工的なパターンを持ち込む可能性があり、フィルタリングは最も乱れたデータを生み出すユーザーや状況を除外してしまう可能性がある。

SensorFMは、AIMとして知られるAdaptive and Inherited Maskingを基盤としている。この手法では、自然に生じた欠損データと、学習時に意図的に隠したデータを、関連する復元目標として扱う。

「Inherited」マスクは、記録内にもともと存在する欠損を表す。「Adaptive」マスキングにより、モデルは学習中に変化する欠損の数や位置に対応できる。

この設計により、学習される表現は欠損の存在を考慮できる。すべてのセンサーが一日中途切れることなくシグナルを生成する必要はない。

この仕組みはLSM-2で生まれた。Googleの報告では、同プロジェクトで調査した160万件の一日単位の時間枠のうち、完全に途切れのないデータを含むものは1件もなかった。

この観察結果は、欠損データを例外的な事象ではなく、通常の動作条件として捉え直す。実用的なウェアラブルモデルは、ユーザーが研究用機器のようにではなく、人間らしく行動しても機能しなければならない。

SensorFMは、選択された欠損指標の補完方法も学習する。実用面では、周囲のシグナルとモダリティ間の関係から、センサーストリームの一部を推定できる。

この能力には複数の研究用途がある。不完全な記録を用いた後ろ向き研究への対応、デバイスモデル間の入力の標準化、下流分析に必要な日次指標の復元などに活用できる。

ただし、復元された値はあくまでモデルによる推定値である。デバイスが実際に取得した測定値として提示すべきではない。

健康分野の用途では、この区別が特に重要になる。推定された睡眠段階や生理学的パターンは分析を支援できるが、観測済みの事実として医療記録へ密かに入力されるべきではない。

Googleの中核的な主張は、より限定的で信頼性が高い。欠損を考慮した事前学習は、不完全な時間枠を自動的に補完または除外するパイプラインよりも、多くの有用な情報を保持できるというものだ。

このモデルは、24時間全体も対象とする。この時間枠により、日中の運動、夜間の睡眠、安静時のパターン、その他の日常的なシグナルを単一の表現内で関連づけられる。

この手法は、個々の心拍や短時間の活動区間といった短いイベントを中心に学習するモデルとは異なる。それぞれの粒度が、異なる問いに対応する。

SensorFMの日単位の時間枠は、より広範な生理学的・行動的パターンに適している。一方、秒単位またはミリ秒単位の解像度を要する急性イベントの検出に適しているかは明らかではない。

この制約は、基盤モデルという概念を損なうものではない。SensorFMが担う層、すなわちあらゆる形態のリアルタイムセンシングではなく、長期的な解釈を担うモデルであることを明確にしている。

SensorFMとAppleのウェアラブルモデル戦略の比較

GoogleとAppleは、再利用可能なウェアラブルモデルという方向へ収束しつつあるが、重視する表現とプラットフォーム上の強みは異なる。

Appleの研究者は2025年、Wearable Behavior Modelについて発表した。この研究では、16万2,000人の参加者から得た25億時間超のデータを用いて基盤モデルを訓練した。

Appleのウェアラブル研究では、健康に関連する57のタスクを評価した。重視されたのは、動作、睡眠、運動、移動パターンなどの行動要約だ。

SensorFMは、より多くの参加者を対象とし、分単位のマルチモーダル信号を中心に据えている。一方、Appleが公表した行動研究は、研究コホートの長期的な行動履歴からデータを導出しているため、報告されている総時間はより長い。

これらの数値を単純なモデルの順位表として比較することはできない。両社では、データの定義、コホート、タスク、アーキテクチャ、評価プロトコルが異なる。

Appleのモデルは、低レベルのセンサー信号だけを使う場合よりも、行動データを用いることで健康状態を高精度に予測できるかを検証している。GoogleのSensorFMは、複数のセンサーモダリティから幅広い生理学的表現を学習することに重点を置く。

この2つのアプローチは、競合するだけでなく相互補完的でもある。行動要約は長い時間軸で意味のある活動を捉える一方、低レベルの信号は、要約によって見えなくなり得る生理学的変動を保持する。

Appleはこれまでにも、PPGおよび心電図信号向けの基盤モデルを開発している。その研究では、個々の生体信号の種類を大規模な事前学習領域として扱った。

Googleは現在、5つのモダリティと多数のデバイス構成を横断する統合レイヤーを提唱している。その強みは、自社エコシステム全体で利用できるFitbitとPixel Watchのデータにある。

Appleの戦略的優位性も同様に明確だ。Apple Watch、HealthKit、長期にわたる研究調査によって、センサーによるデータ収集から消費者向けソフトウェアまでを一体化できる。

現時点では、汎用ウェアラブルモデルが日常的な臨床判断を安全に支援できることを、どちらの企業も証明していない。現在の成果は研究評価に関するものであり、規制当局の承認を受けた診断製品ではない。

それでも両社の競争が重要なのは、モデル研究をデバイス、オペレーティングシステム、消費者向け健康インターフェースへ接続できるためだ。基盤レイヤーが成功すれば、将来的な健康機能の追加コストを削減できる。

さらに、開発者向けインターフェースにも影響を与え得る。将来的には、生の指標だけでなく、ユーザーの長期的なパターンに基づく埋め込み表現、予測、エージェントツールをプラットフォームが提供する可能性がある。

この可能性は、新たな競争領域を生み出す。ウェアラブルプラットフォーム各社は、生のセンサーデータと最終的なユーザー向け助言の間に位置する生理学的表現を、誰が支配するかを巡って競うことになるかもしれない。

オープンな研究活動は、別の道筋を提示する。2026年に発表されたOpenMHCは、6,000万時間超のウェアラブルデータと、MyHeart Counts研究に基づくオープンフレームワークについて説明している。

オープンモデルは再現性を高め、独立した研究チームに共通のベンチマークを提供できる。それでも、規模、同意、ハードウェアの多様性、臨床ラベルといった制約には直面する。

SensorFMの論文とブログ記事では、公開モデルウェイト、汎用開発者API、実際に提供されるFitbit機能のいずれも発表されていない。そのため、Googleの当面の優位性は、より広範な開発者市場ではなく研究領域にとどまっている。

したがって、重要なのは消費者向け機能のチェックリストを比較することではない。汎用表現を、検証済みで利用しやすく、適切に管理可能な健康ツールへと変えられるのはどの組織か、という点だ。

SensorFMの成果で証明されていないこと

SensorFMはその規模によって注目に値するが、規模だけでは代表性、プライバシー、臨床的妥当性、導入リスクの問題を解決できない。

事前学習コーパスには、100か国以上の同意を得た参加者が含まれる。しかし、地理的な広がりだけで、人口統計学的または臨床的な代表性が自動的に担保されるわけではない。

ウェアラブルデバイスの所有者は、所得、テクノロジーへのアクセス、年齢分布、健康への関心、デバイスの使用状況において、一般人口とは異なる。こうした違いは、モデルが学習するパターンに影響を与え得る。

Googleによると、モデルの規模が大きくなるにつれて、人口統計学的特徴を追加することによる効果は小さくなった。研究者らはこれを、大規模モデルが関連する生理学的特性を暗黙的に捉えている証拠だと解釈している。

この知見は慎重に扱う必要がある。センサーパターンから人口統計学的特性や健康関連の特徴を推定すれば、予測精度が向上する可能性がある一方、プライバシーと公平性に関する問題も生じる。

匿名化されたセンサーストリームにも、特徴的な行動パターンや生理学的パターンが含まれ得る。研究者は、ウェアラブルデータセットでは匿名化によって再識別のリスクを完全には排除できない可能性があると警告している。

同意の範囲も正確に定める必要がある。参加者は研究利用には同意しているが、将来的な商用または臨床用途には、それぞれに応じたガバナンス、製品審査、法的分析が必要になる。

SensorFMについて報告された下流研究には、1万3,985人が参加した。研究評価としては相当な規模だが、500万人規模の事前学習コーパスと比べればはるかに小さい。

また、評価には選定されたタスクと研究コホートが使用されている。独立した追試では、異なる集団、デバイスブランド、欠損データのパターン、医療環境で検証する必要がある。

メンタルヘルスの予測には、とりわけ慎重さが求められる。Googleによると、センサー信号が微弱で個人差も大きいうつ病や不安症のタスクにおいて、規模の拡大による顕著な効果が得られたという。

研究用分類器の性能が向上しても、それが診断になるわけではない。気分、睡眠、服薬、勤務スケジュール、障害、社会的状況によって、ウェアラブルデータ上に重複するパターンが生じる可能性がある。

偽陽性は不安や不要な受診を招き得る。偽陰性は、専門家による評価が必要な人に誤った安心感を与える可能性がある。

同様の注意は、心血管系および代謝系の予測にも当てはまる。モデルの出力は統計的な関連性を特定できても、その原因を説明したり、治療判断を裏付けたりできるとは限らない。

2026年のヘルスケアモデルに関するレビューは、プライバシー、人口統計学的バイアス、解釈可能性、反復的な臨床検証を巡る継続的なリスクを指摘している。こうした懸念は、ウェアラブル基盤モデルにも直接当てはまる。

デバイスの測定誤差も新たな問題となる。光学式心拍センサー、皮膚温度の測定値、動作推定値は、装着状態、動き、環境、皮膚の特性、ハードウェア世代によって変動する。

SensorFMは20機種を超えるFitbitおよびPixel Watchモデルを対象としており、Googleのエコシステム内におけるデバイスの多様性を検証するうえで役立つ。しかし、Apple、Garmin、Samsung、Oura、または医療用デバイスで同等に機能することを証明するものではない。

モデルを用いたエージェント実験についても、同様に慎重な姿勢が求められる。GoogleはSensorFMを研究用のPersonal Health Agentに統合し、31人分の参加者プロファイルから生成した要約を評価した。

臨床医は、文脈、関連性、妥当性、パーソナライズ、有害となる可能性を含む5つの観点について、盲検化された1,860件の評価を行った。Googleによると、SensorFMを基盤情報として用いた場合、日次指標のみを使用するベースラインと比べて、すべての観点で改善が見られたという。

研究チームはさらに、SensorFMの予測を基盤情報として用いた要約と、正解となる測定値を用いた要約との間に、統計的に有意な差はなかったと報告した。

この結果は興味深いものの、サンプルは31件のプロファイルにすぎない。統計的な差がないからといって、より大規模な集団、さまざまな疾患、長期的なやり取りにおいて同等であることが証明されたわけではない。

Google自身も以前、同社のヘルスエージェントのプロトタイプを研究用フレームワークと位置付けている。同社は、利用可能な製品や機能について説明するものではないとしていた。

モデルの外側には、ワークフロー上の障壁も残る。医師には、検証済みの出力、明確な責任範囲、使いやすいインターフェース、電子健康記録との統合が必要だ。

2,222人の医師を対象とした2026年の調査では、ウェアラブルデータへの関心が継続している一方、統合に関する大きな障壁も明らかになった。臨床的妥当性の検証、ワークフロー支援、診療報酬、法的責任は、依然として未解決の課題だった。

SensorFMが対処するのは解釈レイヤーであり、こうした制度上の制約ではない。埋め込み表現が改善しても、それだけで診療報酬制度、医療上の説明責任、相互運用可能な記録が実現するわけではない。

SensorFMの重要性を見極める3つのシグナル

SensorFMが大きな意味を持つのは、研究成果に続いて、独立した検証、より広範なアクセス、責任ある製品導入が実現した場合に限られる。

第1のシグナルは、独立した評価だ。Google以外の研究者が報告された性能向上を再現するには、十分な技術情報、コード、ウェイト、または標準化された出力にアクセスできる必要がある。

最も厳格な検証は、未知の機関、集団、ウェアラブルブランドを対象に、SensorFMを教師あり学習のベースラインや他の基盤モデルと比較することだ。結果には平均順位だけでなく、サブグループ別の性能とキャリブレーションも含めるべきである。

キャリブレーションは、予測された確率が実際に観測された結果と一致するかを測る。健康モデルは人々を正確に順位付けできても、意思決定には適さないリスク推定値を出す可能性がある。

この表現が異なるハードウェアやコホートにも転用できれば、独立した検証によってGoogleの汎化性能に関する主張は強まるだろう。一方、サブグループでの結果が低調なら、その主張は特定の研究集団に限定されることになる。

第2のシグナルは、開発者によるアクセスだ。Googleは論文と手法を公開しているが、汎用SensorFM APIやダウンロード可能なモデルウェイトは発表していない。

アクセス条件によって、SensorFMが共有インフラになるのか、社内の研究資産にとどまるのかが明らかになる。ドキュメントでは、対応デバイス、想定用途、データ要件、禁止される用途を明記すべきだ。

有用なインターフェースでは、実測データと復元値、推定された健康属性も区別される必要がある。どの出力が観測値で、どれが推定値なのかを、開発者がリバースエンジニアリングしなければならない状況は避けるべきだ。

アクセスのあり方は、Appleやオープンな取り組みとの競争にも影響する。クローズドなプラットフォームモデルはデバイスと深く統合できる一方、オープンモデルでは、より広範な監査と適応が可能になる。

第3のシグナルは、審査を経た製品への導入だ。FitbitまたはPixelの健康機能に採用されれば、Googleがこの表現をどのように言語化し、安全対策、同意管理、必要に応じて専門家へつなぐ仕組みに落とし込むのかが示される。

重要なのは、AIコーチの応答がパーソナライズされているように聞こえるかどうかではない。ユーザーが根拠を確認し、不確実性を理解し、誤りを修正し、必要なときに専門的な医療へアクセスできるかどうかだ。

個人向け健康ツールには、長期的に維持される文脈も必要になる。ユーザーはウェアラブルデータの傾向を、検査結果、臨床医の指示、服薬の変更、自身の観察結果と組み合わせる可能性がある。

汎用的なパーソナルナレッジシステムは、時間をまたいで情報を結び付ける価値を示している。ただし、一般的なナレッジツールが、規制対象の医療記録や専門家の助言に取って代わるべきではない。

Googleのエージェント型「classroom」も、こうした導入の中で注視すべきもう1つのシグナルだ。複数の言語モデルエージェントが、SensorFMの埋め込み表現を用いて予測ヘッドを生成し、改良した。

このシステムは3万件を超える候補ソリューションを探索した。生成されたヘッドは、20件の分類タスクのうち16件、15件の回帰タスクのうち12件で、単純な線形プローブを上回った。

このワークフローは手作業による実験を減らせる一方、検証負担も拡大させる。自動生成されたコードには、再現性、データリークの確認、セキュリティ審査、専門家による監督が必要だ。

Googleによると、より高性能なGeminiのバージョンは、より優れた候補ソリューションを生成した。エージェント間の協調により、性能の低いモデルもその差の一部を縮められたという。

この組み合わせは、2つの基盤モデルレイヤーを結び付ける。SensorFMが身体のセンサー履歴を表現し、言語モデルエージェントが、その表現を特定の問いに適応させるコードを探索する。

その結果、研究基盤はさらに自動化される。しかし、これは自動化された医療上の権威ではない。

SensorFMが注目に値するのは、実在する技術的ボトルネックに異例の規模で挑んでいるからだ。ウェアラブル関連の取り組みでは、臨床的に検証された結果をはるかに上回る量のラベルなしデータが収集されている。

Googleの解決策は、欠測を考慮した単一の生理学的表現を学習し、それを多様なタスクに再利用するというものだ。報告された成果により、デバイスプラットフォームやデジタルヘルスの研究者にとって、この戦略はもはや無視しにくいものとなっている。

次に必要な実証は、当初のベンチマークの外で行われなければならない。独立した追試、実用的なアクセス手段、そして限界を明示した審査済み製品が登場するかに注目したい。

それまでは、Google Researchが発表したSensorFMは、個人の健康を支える完成済みのインテリジェンスではなく、タスクごとに構築する従来のウェアラブル向けモデリングに対する有力な挑戦と捉えるべきだ。読者は次の発表を、規模だけでなく、エビデンス、アクセス、説明責任に基づいて評価する必要がある。