연구진은 500만 명 규모의 대규모 코호트에서 수집한 1조 분 이상의 원시 웨어러블 센서 데이터를 활용해 개인 맞춤형 건강 인사이트를 도출하는 기초 모델을 제안했어요.
모델 용량과 사전 훈련 데이터 양을 함께 확장하면서 심혈관, 대사, 수면, 정신 건강 등 35가지 건강 예측 작업에서 성능이 향상되는 것을 확인했어요.
이 모델은 소량의 레이블 데이터만으로도 효율적인 학습이 가능하며, 일상적인 지표 추정에도 활용될 수 있는 생성 능력을 제공해요.
개인 건강 에이전트에 통합된 예측기를 통해 임상 전문가의 평가에서 관련성, 상황 인식, 안전성 측면에서 개선된 모델 응답을 지원하는 것을 검증했어요.