Google Research lanza SensorFM y desafía los modelos de salud para wearables centrados en una sola tarea

Google Research ha lanzado SensorFM tras entrenarlo con más de un billón de minutos de datos procedentes de wearables de cinco millones de participantes que dieron su consentimiento. El modelo aborda una costosa limitación de la salud digital: la mayoría de los algoritmos para wearables siguen diseñándose para un único resultado, un solo conjunto de datos y una configuración específica de dispositivo.

La investigación sobre SensorFM plantea una vía diferente. Google afirma que una única representación fisiológica reutilizable pudo transferirse a 35 tareas de predicción relacionadas con resultados cardiovasculares, metabólicos, del sueño, de salud mental, demográficos y de estilo de vida.

Google Research presenta SensorFM como un sistema de investigación, no como un producto clínico. Esta distinción es importante porque sus resultados proceden de estudios controlados y evaluaciones retrospectivas. No demuestran un rendimiento seguro en hospitales, aplicaciones de orientación para consumidores ni programas de cribado poblacional.

El punto de referencia competitivo es Apple. Sus investigadores han entrenado modelos fundacionales con datos de Apple Watch, incluidas señales de comportamiento recopiladas de una amplia cohorte que dio su consentimiento. Ambas empresas consideran ahora los datos de wearables como materia prima para modelos generales, en lugar de canalizaciones aisladas de características.

Por tanto, la competencia inmediata no enfrenta al hardware de Fitbit con Apple Watch. Enfrenta el modelado fisiológico de propósito general con la práctica consolidada de desarrollar un modelo supervisado independiente para cada variable de salud.

Google Research lanza SensorFM a escala poblacional

SensorFM cambia la unidad de desarrollo: pasa de una predicción sanitaria individual a una representación reutilizable de la fisiología humana.

Google Research anunció SensorFM el 9 de julio de 2026. Xin Liu, científico investigador sénior, y Daniel McDuff, científico investigador de plantilla, presentaron el trabajo a través del blog de Google Research.

El modelo se preentrenó con datos desidentificados recopilados entre septiembre de 2024 y septiembre de 2025. Cinco millones de participantes habían autorizado el uso de sus datos en investigaciones sobre salud y bienestar.

El corpus abarca más de 100 países, los 50 estados de Estados Unidos y más de 20 modelos de Fitbit y Pixel Watch. Google tomó muestras de varias semanas de datos de cada participante.

El conjunto de datos resultante contiene más de dos mil millones de horas —equivalentes a más de un billón de minutos— de información de sensores con resolución por minuto. Esta cifra oficial corrige los resúmenes que han descrito el corpus como compuesto por 100 billones de minutos.

SensorFM procesa 34 características agregadas por cada minuto de un intervalo de 24 horas. Estas características proceden de cinco modalidades de sensores: fotopletismografía, acelerometría, actividad electrodérmica, temperatura cutánea y altimetría.

La fotopletismografía, conocida habitualmente como PPG, utiliza luz para medir los cambios en el volumen sanguíneo cerca de la piel. A partir de esas variaciones, los wearables obtienen señales como la frecuencia cardíaca y estimaciones del oxígeno en sangre.

La acelerometría registra el movimiento. La actividad electrodérmica mide los cambios en la conductancia de la piel, mientras que la altimetría estima las variaciones de elevación. En conjunto, estas entradas describen el sueño, el movimiento, la temperatura, la actividad cardiovascular y otros patrones cotidianos relacionados.

Este diseño multimodal es importante porque las señales de salud rara vez aparecen de forma aislada. Una frecuencia cardíaca en reposo más elevada puede tener distintos significados según el sueño, el movimiento, la temperatura y el nivel basal habitual de cada persona.

Google evaluó la representación aprendida en 35 tareas procedentes de tres estudios prospectivos aprobados por comités de revisión institucional. En total, estos estudios incluyeron a 13.985 participantes.

Las tareas abarcaron seis categorías. Incluyeron salud cardiovascular, riesgo metabólico, salud mental, sueño, datos demográficos y características del estilo de vida.

Durante una evaluación clave, los investigadores congelaron el codificador principal de SensorFM. Después entrenaron un predictor lineal ligero con sus embeddings, que son representaciones matemáticas comprimidas de los patrones de sensores de cada persona.

Según Google, estos predictores lineales superaron en 34 de las 35 tareas a los modelos supervisados de referencia creados con características diseñadas manualmente. La versión más grande de SensorFM obtuvo el mejor resultado en 33 tareas.

Estos resultados no significan que un solo modelo pueda diagnosticar 35 afecciones. Demuestran que la misma representación conservó información útil para numerosos objetivos de investigación sin necesitar un codificador especializado para cada uno.

Ese es el cambio central. Los desarrolladores pueden partir de una representación fisiológica compartida y adaptarla después mediante una capa de predicción más pequeña y específica para cada tarea.

Por qué importa un solo modelo para 35 tareas

SensorFM aumenta la presión sobre los equipos que todavía reconstruyen las canalizaciones de salud para wearables con cada variable y cada estudio.

Los modelos tradicionales para wearables dependen en gran medida de ejemplos etiquetados. Primero, los investigadores definen un resultado, recopilan etiquetas verificadas, diseñan características y entrenan un modelo supervisado para ese problema concreto.

Este flujo de trabajo puede funcionar bien en tareas muy delimitadas. Sin embargo, los diagnósticos, los resultados de laboratorio y los cuestionarios validados son costosos de recopilar y difíciles de reconstruir una vez finalizado un estudio.

Los datos de wearables presentan un desequilibrio peculiar. Los dispositivos generan flujos continuos de mediciones, pero los investigadores obtienen relativamente pocas etiquetas fiables que expliquen el significado clínico de esos datos.

SensorFM utiliza aprendizaje autosupervisado para reducir esta brecha. Este enfoque oculta partes de una entrada y entrena al modelo para reconstruirlas sin exigir un diagnóstico para cada registro.

Así, el modelo aprende de la propia estructura de los datos de los sensores. Posteriormente, los investigadores pueden comprobar si dicha estructura permite realizar una predicción específica mediante un conjunto de datos etiquetados más pequeño.

Google informa de que SensorFM logró ser más competitivo que los modelos de referencia basados en datos demográficos y características diseñadas manualmente utilizando solo una fracción de las etiquetas disponibles. La empresa no ha presentado este resultado como un sustituto de la validación clínica.

Aun así, la eficiencia en el uso de etiquetas cambia la economía de las primeras etapas de la investigación. Un equipo puede estudiar una nueva variable sin tener que construir primero una canalización de modelado independiente y a gran escala.

La escala del modelo también distingue a SensorFM de los trabajos anteriores de Google sobre wearables. Su predecesor, LSM-2, se entrenó con 40 millones de horas procedentes de más de 60.000 participantes.

El marco LSM-2 anterior estableció un método para aprender a partir de flujos incompletos de sensores. SensorFM amplía ese método a muchos más participantes, dispositivos, ubicaciones y tareas posteriores.

Google probó modelos con tamaños comprendidos entre 100.000 y 100 millones de parámetros. También varió el volumen de datos de preentrenamiento a lo largo de aproximadamente cuatro órdenes de magnitud, desde dos millones hasta dos mil millones de horas de sensores.

La versión más grande redujo la pérdida de reconstrucción un 31 por ciento frente a la más pequeña. Google también señala mejoras medias del 9 por ciento en las métricas de clasificación y del 21 por ciento en las de regresión.

Estos porcentajes describen mejoras relativas de rendimiento comunicadas por el equipo de investigación. No representan tasas de precisión clínica, reducciones del riesgo de enfermedad ni mejoras en los resultados de los pacientes.

Más importante aún, Google afirma que el rendimiento aumentó cuando el volumen de datos y la capacidad del modelo crecieron conjuntamente. Las curvas de escalado publicadas no habían alcanzado una meseta evidente.

Este resultado aumenta la presión sobre los programas de investigación más pequeños. Si las representaciones fisiológicas generales mejoran de forma predecible con datos a escala poblacional, las organizaciones que disponen de grandes plataformas de wearables obtienen una ventaja estructural.

Los fabricantes de dispositivos ya controlan los datos continuos necesarios para este enfoque. También gestionan los sistemas de consentimiento, los parques de dispositivos y los servicios longitudinales necesarios para recopilarlos.

Los hospitales disponen de etiquetas clínicas más ricas, pero sus datos de wearables suelen estar fragmentados entre distintos proveedores y sistemas de historiales. Las startups pueden contar con conjuntos de datos especializados, aunque pocas pueden igualar la recopilación longitudinal a escala de plataforma.

Por tanto, SensorFM desplaza la competencia hacia el acceso, el consentimiento, la calidad de los datos y la infraestructura de adaptación. La arquitectura del modelo sigue siendo importante, pero el corpus de entrenamiento se convierte en un activo estratégico central.

El verdadero mecanismo consiste en aprender de los datos ausentes

La característica más relevante de SensorFM no es su número de parámetros, sino su capacidad para aprender a partir de los vacíos que caracterizan el uso real de los wearables.

Los flujos de datos de los wearables rara vez están completos. Las personas cargan los dispositivos, aflojan las correas, desactivan sensores, habilitan ajustes de ahorro de batería y dejan los relojes sobre la mesita de noche.

Las configuraciones de hardware también varían. Un dispositivo puede registrar la temperatura cutánea o la actividad electrodérmica, mientras que otro solo proporciona señales de movimiento y cardíacas ópticas.

Los sistemas autosupervisados convencionales suelen presuponer que las entradas están completas. En esos casos, los investigadores deben rellenar los vacíos con valores estimados o eliminar las muestras incompletas antes del entrenamiento.

Ambas opciones generan problemas. La imputación puede introducir patrones artificiales, mientras que el filtrado puede descartar a los usuarios y las situaciones que producen los datos más desordenados.

SensorFM se basa en Adaptive and Inherited Masking, conocido como AIM. El método trata los datos ausentes de forma natural y los datos ocultados deliberadamente durante el entrenamiento como partes relacionadas del objetivo de reconstrucción.

Las máscaras “Inherited” representan los vacíos que ya existen en un registro. El enmascaramiento “Adaptive” permite que el modelo gestione durante el entrenamiento las variaciones en el número y la posición de esos vacíos.

Este diseño hace que la representación aprendida tenga en cuenta la ausencia de datos. No exige que todos los sensores generen una señal ininterrumpida durante todo el día.

El mecanismo se originó en LSM-2. Google informó de que ninguna de las 1,6 millones de ventanas de un día examinadas para aquel proyecto contenía datos completamente ininterrumpidos.

Esta observación replantea la ausencia de datos: deja de ser un caso excepcional para convertirse en una condición operativa normal. Un modelo útil para wearables debe funcionar cuando los usuarios se comportan como personas, no como instrumentos de estudio.

SensorFM también aprende a completar determinadas métricas ausentes. En la práctica, puede estimar partes de un flujo de sensores a partir de las señales circundantes y de las relaciones entre modalidades.

Esta capacidad ofrece varios usos en investigación. Puede facilitar estudios retrospectivos con registros incompletos, normalizar entradas entre distintos modelos de dispositivos o recuperar métricas diarias necesarias para análisis posteriores.

Sin embargo, los valores reconstruidos siguen siendo estimaciones del modelo. No deben presentarse como mediciones realmente captadas por un dispositivo.

Esta distinción adquiere especial importancia en las aplicaciones sanitarias. Una fase del sueño o un patrón fisiológico estimados pueden servir para el análisis, pero no deberían incorporarse silenciosamente a un historial médico como hechos observados.

El argumento central de Google es más limitado y creíble. El preentrenamiento que tiene en cuenta la ausencia de datos conserva más información aprovechable que las canalizaciones que rellenan o descartan automáticamente todas las ventanas incompletas.

El modelo también adopta una perspectiva completa de 24 horas. Esta ventana le permite relacionar en una sola representación el movimiento diurno, el sueño nocturno, los patrones de reposo y otras señales cotidianas.

Este enfoque difiere de los modelos entrenados en torno a eventos breves, como latidos individuales o segmentos cortos de actividad. Cada nivel de granularidad permite abordar preguntas distintas.

La ventana diaria de SensorFM favorece el análisis de patrones fisiológicos y de comportamiento más amplios. Resulta menos adecuado, al menos de forma evidente, para detectar un evento agudo que exija una resolución de segundos o milisegundos.

Esta limitación no debilita el concepto de modelo fundacional. Define la capa en la que opera SensorFM: la interpretación longitudinal, no todas las modalidades de detección en tiempo real.

SensorFM frente a la estrategia de Apple para los modelos de wearables

Google y Apple están convergiendo en modelos reutilizables para dispositivos wearables, pero ponen el acento en representaciones y ventajas de plataforma diferentes.

Investigadores de Apple describieron en 2025 un Modelo de Comportamiento para Wearables. Para su trabajo, entrenaron modelos fundacionales con más de 2.500 millones de horas de datos procedentes de 162.000 participantes.

El estudio de Apple sobre wearables evaluó 57 tareas relacionadas con la salud. Se centró en resúmenes conductuales, como los patrones de movimiento, sueño, ejercicio y movilidad.

SensorFM abarca a más participantes y se centra en señales multimodales con una granularidad de un minuto. El trabajo publicado por Apple sobre comportamiento comprende más horas registradas porque obtiene historiales conductuales a largo plazo de la cohorte de su estudio.

Estas cifras no constituyen una clasificación directa de modelos. Las empresas utilizan definiciones de datos, cohortes, tareas, arquitecturas y protocolos de evaluación diferentes.

El modelo de Apple analiza si el comportamiento permite predecir estados de salud mejor que las señales de sensores de bajo nivel por sí solas. SensorFM de Google se centra en aprender una representación fisiológica amplia a partir de múltiples modalidades de sensores.

Estos enfoques son tan complementarios como competitivos. Los resúmenes conductuales capturan actividades relevantes durante periodos más prolongados, mientras que las señales de bajo nivel conservan variaciones fisiológicas que dichos resúmenes pueden ocultar.

Apple también desarrolló anteriormente modelos fundacionales para señales de PPG y electrocardiogramas. Esa investigación trató cada tipo de señal biológica como un amplio dominio de preentrenamiento.

Google propone ahora una capa unificada que abarque cinco modalidades y numerosas configuraciones de dispositivos. Su ventaja procede de los datos de Fitbit y Pixel Watch disponibles en todo su ecosistema.

La ventaja estratégica de Apple resulta igualmente evidente. Apple Watch, HealthKit y sus estudios de investigación de larga duración ofrecen una vía integrada desde la recopilación de datos de sensores hasta el software de consumo.

Ninguna de las dos empresas ha demostrado que un modelo general para wearables pueda respaldar de forma segura decisiones clínicas rutinarias. Sus resultados actuales describen evaluaciones de investigación, no productos de diagnóstico regulados.

Aun así, la rivalidad importa porque ambas empresas pueden conectar la investigación de modelos con dispositivos, sistemas operativos e interfaces de salud para consumidores. Una capa fundacional eficaz podría reducir el coste de incorporar futuras funciones de salud.

También podría influir en la interfaz para desarrolladores. En lugar de exponer únicamente métricas sin procesar, una plataforma podría llegar a ofrecer representaciones vectoriales, predicciones o herramientas para agentes basadas en los patrones longitudinales del usuario.

Esa posibilidad crea una segunda frontera competitiva. Las plataformas de wearables podrían competir por controlar la representación fisiológica situada entre los datos brutos de los sensores y las recomendaciones finales que recibe el usuario.

Las iniciativas de investigación abierta ofrecen otra vía. OpenMHC, presentado en 2026, reúne más de 60 millones de horas de datos de wearables y un marco abierto basado en el estudio MyHeart Counts.

Los modelos abiertos pueden mejorar la reproducibilidad y proporcionar a los equipos independientes un punto de referencia común. Sin embargo, siguen afrontando limitaciones relacionadas con la escala, el consentimiento, la diversidad del hardware y las etiquetas clínicas.

Ni el artículo académico ni la publicación del blog sobre SensorFM anuncian pesos públicos del modelo, una API general para desarrolladores o una función de Fitbit disponible comercialmente. Por ahora, esto mantiene la ventaja inmediata de Google dentro del ámbito de la investigación, sin extenderla al mercado general de desarrolladores.

Por tanto, la comparación importante no consiste en enumerar funciones para consumidores. Consiste en determinar qué organización puede convertir una representación general en herramientas de salud validadas, accesibles y gobernables.

Lo que los resultados de SensorFM no demuestran

La escala de SensorFM lo convierte en un desarrollo destacado, pero por sí sola no puede resolver las cuestiones de representatividad, privacidad, validez clínica o riesgo de implementación.

El corpus de preentrenamiento incluye participantes que dieron su consentimiento en más de 100 países. La amplitud geográfica no demuestra automáticamente la representatividad demográfica o clínica.

Los propietarios de wearables difieren de la población general en ingresos, acceso a la tecnología, distribución por edades, implicación con su salud y uso de los dispositivos. Estas diferencias pueden influir en los patrones que aprende un modelo.

Google afirma que las características demográficas aportaron un beneficio incremental menor conforme aumentaba el tamaño del modelo. Los investigadores interpretan este resultado como una señal de que los modelos más grandes captan implícitamente rasgos fisiológicos relevantes.

Este hallazgo requiere cautela. Inferir rasgos demográficos o relacionados con la salud a partir de patrones de sensores puede mejorar las predicciones, pero también plantea interrogantes sobre privacidad y equidad.

Incluso un flujo de datos de sensores desidentificado puede contener patrones conductuales y fisiológicos distintivos. Algunos investigadores han advertido que la desidentificación quizá no elimine todos los riesgos de reidentificación en conjuntos de datos de wearables.

El consentimiento también necesita un alcance preciso. Los participantes aceptaron el uso de sus datos con fines de investigación, pero las futuras aplicaciones comerciales o clínicas requerirían sus propios mecanismos de gobernanza, revisión de producto y análisis jurídico.

Los estudios posteriores de SensorFM incluyeron a 13.985 personas. Se trata de una evaluación de investigación considerable, aunque sigue siendo mucho menor que el corpus de preentrenamiento de cinco millones de personas.

Las evaluaciones también emplean tareas y cohortes de estudio seleccionadas. La replicación independiente deberá probar poblaciones y marcas de dispositivos diferentes, distintos patrones de datos ausentes y diversos entornos asistenciales.

Las predicciones de salud mental merecen especial cautela. Google afirma que la escala aportó ventajas notables en tareas relacionadas con la depresión y la ansiedad, donde las señales de los sensores pueden ser tenues y altamente individuales.

Un clasificador de investigación más sólido no constituye un diagnóstico. El estado de ánimo, el sueño, la medicación, los horarios laborales, la discapacidad y las condiciones sociales pueden producir patrones similares en los wearables.

Los falsos positivos pueden provocar angustia o atención médica innecesaria. Los falsos negativos pueden transmitir una tranquilidad engañosa cuando una persona necesita una evaluación profesional.

La misma cautela se aplica a las predicciones cardiovasculares y metabólicas. El resultado de un modelo puede identificar una asociación estadística sin explicar su causa ni respaldar una decisión terapéutica.

Una revisión de modelos sanitarios de 2026 destaca riesgos recurrentes relacionados con la privacidad, el sesgo demográfico, la interpretabilidad y la necesidad de validaciones clínicas reiteradas. Estas preocupaciones se aplican directamente a los modelos fundacionales para wearables.

Los errores de medición de los dispositivos añaden otra dificultad. Los sensores cardíacos ópticos, las lecturas de temperatura cutánea y las estimaciones de movimiento varían según el ajuste del dispositivo, el movimiento, el entorno, las características de la piel y la generación del hardware.

SensorFM abarca más de 20 modelos de Fitbit y Pixel Watch, lo que ayuda a evaluar la diversidad de dispositivos dentro del ecosistema de Google. Sin embargo, no demuestra un comportamiento equivalente en dispositivos de Apple, Garmin, Samsung u Oura, ni en equipos clínicos.

Los experimentos de SensorFM con agentes requieren una cautela similar. Google integró SensorFM en un Agente Personal de Salud experimental y evaluó resúmenes de 31 perfiles de participantes.

Los profesionales clínicos realizaron 1.860 valoraciones ciegas en cinco dimensiones, entre ellas el contexto, la relevancia, la justificación, la personalización y el daño potencial. Google afirma que la contextualización con SensorFM mejoró todas las dimensiones frente a un sistema de referencia que utilizaba únicamente métricas diarias.

El equipo también informó de que no se observaron diferencias estadísticamente significativas entre los resúmenes basados en predicciones de SensorFM y aquellos que utilizaban mediciones reales.

El resultado es interesante, pero la muestra solo incluye 31 perfiles. La ausencia de diferencias estadísticas no demuestra equivalencia en poblaciones más amplias, distintas afecciones médicas o interacciones más prolongadas.

La propia Google ya había descrito su prototipo de agente de salud como un marco de investigación. La empresa señaló que no se trataba de la descripción de un producto o una función disponibles.

También persisten barreras operativas ajenas al modelo. Los médicos necesitan resultados validados, responsabilidades claramente definidas, interfaces prácticas e integración con las historias clínicas electrónicas.

Una encuesta de 2026 a 2.222 médicos reveló un interés continuado por los datos de wearables, junto con importantes obstáculos para su integración. La validación clínica, el apoyo a los flujos de trabajo, el reembolso y la responsabilidad jurídica seguían siendo cuestiones sin resolver.

SensorFM aborda la capa de interpretación, no esas limitaciones institucionales. Unas mejores representaciones vectoriales no pueden crear por sí solas políticas de reembolso, mecanismos de responsabilidad médica ni historiales interoperables.

Tres señales indicarán si SensorFM es realmente importante

SensorFM solo tendrá consecuencias relevantes si a los resultados de investigación les siguen una validación independiente, un acceso más amplio y una implementación responsable en productos.

La primera señal es la evaluación independiente. Los investigadores externos a Google necesitan acceso a suficientes detalles técnicos, código, pesos o resultados estandarizados para reproducir las mejoras comunicadas.

La prueba más sólida compararía SensorFM con sistemas de referencia supervisados y otros modelos fundacionales en instituciones, poblaciones y marcas de wearables no vistas durante el entrenamiento. Los resultados deberían incluir el rendimiento y la calibración por subgrupos, no solo clasificaciones promedio.

La calibración mide si una probabilidad predicha coincide con los resultados observados. Un modelo de salud puede clasificar correctamente a las personas y, aun así, generar estimaciones de riesgo inadecuadas para tomar decisiones.

Las pruebas independientes reforzarían la afirmación de Google sobre la capacidad de generalización si la representación se transfiere entre distintos dispositivos y cohortes. Unos resultados deficientes en determinados subgrupos limitarían esa afirmación a poblaciones de investigación específicas.

La segunda señal es el acceso para desarrolladores. Google ha descrito el artículo y la metodología, pero no ha anunciado una API general de SensorFM ni pesos descargables del modelo.

Las condiciones de acceso revelarán si SensorFM se convierte en una infraestructura compartida o permanece como un activo interno de investigación. La documentación debería aclarar los dispositivos compatibles, los usos previstos, los requisitos de datos y las aplicaciones prohibidas.

Una interfaz útil también distinguiría los datos medidos de los valores reconstruidos y los atributos de salud inferidos. Los desarrolladores no deberían tener que aplicar ingeniería inversa para determinar qué resultados son observaciones y cuáles son estimaciones.

El acceso definirá la competencia con Apple y las iniciativas abiertas. Los modelos de plataformas cerradas pueden integrarse estrechamente con los dispositivos, mientras que los modelos abiertos permiten auditorías y adaptaciones más amplias.

La tercera señal es una implementación en un producto sometido a revisión. Una función de salud de Fitbit o Pixel mostraría cómo Google convierte la representación en lenguaje, medidas de protección, controles de consentimiento y vías de derivación asistencial.

La pregunta clave no será si un asistente de IA parece personalizado. Será si los usuarios pueden examinar las pruebas, comprender la incertidumbre, corregir errores y acceder a atención profesional cuando sea necesario.

Las herramientas de salud personal también necesitan un contexto duradero. Los usuarios pueden combinar las tendencias de sus wearables con resultados de laboratorio, indicaciones médicas, cambios en la medicación y sus propias observaciones.

Los sistemas generales de conocimiento personal ilustran el valor de conectar información a lo largo del tiempo. Sin embargo, las herramientas de conocimiento convencionales no deberían sustituir los historiales médicos regulados ni el asesoramiento profesional.

El “aula” basada en agentes de Google ofrece otra señal que conviene observar en estas implementaciones. Varios agentes de modelos de lenguaje generaron y perfeccionaron capas de predicción utilizando las representaciones vectoriales de SensorFM.

El sistema exploró más de 30.000 soluciones candidatas. Las capas que generó superaron a una sonda lineal sencilla en 16 de 20 tareas de clasificación y en 12 de 15 tareas de regresión.

Ese flujo de trabajo puede reducir la experimentación manual, pero también amplía la carga de validación. El código generado automáticamente requiere reproducibilidad, comprobaciones de filtración de datos, revisiones de seguridad y supervisión de expertos.

Según Google, las versiones más avanzadas de Gemini produjeron mejores soluciones candidatas. La colaboración entre agentes también ayudó a los modelos menos capaces a reducir parte de la diferencia de rendimiento.

Esta combinación conecta dos capas de modelos fundacionales. SensorFM representa el historial de señales corporales, mientras que los agentes basados en modelos de lenguaje buscan código que adapte esas representaciones a preguntas concretas.

El resultado es una infraestructura de investigación más automatizada. No constituye una autoridad médica automatizada.

SensorFM merece atención porque aborda un verdadero cuello de botella técnico con una escala inusual. Los programas de dispositivos wearables recopilan muchos más datos sin etiquetar que resultados verificados clínicamente.

La respuesta de Google consiste en aprender una única representación fisiológica que tenga en cuenta los datos ausentes y reutilizarla después en numerosas tareas. Los resultados comunicados hacen que esta estrategia sea más difícil de ignorar para las plataformas de dispositivos y los investigadores de salud digital.

La siguiente prueba deberá llegar fuera del benchmark original. Habrá que estar atentos a la replicación independiente, el acceso práctico y un producto evaluado con limitaciones transparentes.

Hasta entonces, Google Research presenta SensorFM como un desafío creíble a los modelos de wearables centrados en una sola tarea, no como una inteligencia ya terminada para la salud personal. Los lectores deberían valorar el próximo anuncio por sus pruebas, acceso y rendición de cuentas, no solo por su escala.