Prove que times pequenos podem vencer em IA: Treinamos um modelo de base em saúde com 3 milhões de dias-pessoa, comparáveis em escala aos laboratórios maiores. Detecta pressão alta com 87% de precisão, além de flutter auricular (70%), EM/SFC (81%) e síndrome do seio nasal doente (87%). O modelo foi inspirado na arquitetura JEPA de Yann LeCun, mas adaptado a séries temporais multivariadas e irregulares. Chamávamos isso de JETS: Joint Embedding for Time Series. A entrada é composta por 63 canais de dados do sensor: frequência cardíaca, saturação de oxigênio, estágios do sono, VO2Max, etc. O modelo foi testado tanto em tarefas de diagnóstico quanto de predição de biomarcadores. A "revolução da IA" não se limitará a chatbots, imagens ou assistentes de código. Acreditamos que a verdade fisiológica é a próxima fronteira para a superinteligência em saúde.

A Apple apresentou @EmpiricalHLTH como um aplicativo com um "novo design lindo". Para ser honesto, há um MILHÃO de coisas que eu mudaria em nosso produto. Como @garrytan diz, "todo produto é ruim no dia em que nasce" - então este foi um bom marco, mas aqui estão mais 1.000 dias de lixamento nas arestas.