La preuve que de petites équipes peuvent gagner dans l'IA : Nous avons entraîné un modèle de fondation en santé sur 3 millions de jours-personnes de données, comparable en échelle aux plus grands laboratoires. Il détecte l'hypertension artérielle avec une précision de 87 %, ainsi que le flutter auriculaire (70 %), le ME/CFS (81 %) et le syndrome du sinus malade (87 %). Le modèle a été inspiré par l'architecture JEPA de Yann LeCun, mais adapté aux séries temporelles irrégulières multivariées. Nous l'avons appelé JETS : Joint Embedding for Time Series. L'entrée est constituée de 63 canaux de données de capteurs : fréquence cardiaque, saturation en oxygène, stades de sommeil, VO2Max, etc. Le modèle a été testé à la fois sur des tâches de diagnostic et de prédiction de biomarqueurs. La "révolution de l'IA" ne sera pas limitée aux chatbots, aux images ou aux assistants de code. Nous pensons que la vérité physiologique est la prochaine frontière pour la superintelligence en santé.

Apple a présenté @EmpiricalHLTH comme une application avec un "nouveau design magnifique". Pour être honnête, il y a un MILLION de choses que je changerais dans notre produit. Comme le dit @garrytan, "chaque produit est mauvais le jour de sa naissance" -- donc c'était une belle étape, mais voici à 1 000 jours de plus à poncer les bords rugueux.