Dovedește că echipele mici pot câștiga în AI: Am antrenat un model de bază pentru sănătate pe 3 milioane de date-persoană, comparabile ca scară cu laboratoarele mai mari. Detectează hipertensiunea arterială cu o acuratețe de 87%, împreună cu flutter atrial (70%), ME/CFS (81%) și sindromul sinusului bolnav (87%). Modelul a fost inspirat de arhitectura JEPA a lui Yann LeCun, dar s-a adaptat la serii temporale neregulate multivariate. Am numit-o JETS: Joint Embedding for Time Series. Intrarea are 63 de canale de date de senzori: ritm cardiac, saturație de oxigen, stadii de somn, VO2Max etc. Modelul a fost testat atât la sarcini de diagnostic, cât și la cele de predicție a biomarkerilor. "Revoluția AI" nu se va limita la chatboți, imagini sau asistenți de cod. Credem că adevărul fiziologic de bază este următoarea frontieră pentru superinteligența sănătății.

Apple a prezentat @EmpiricalHLTH ca o aplicație cu un "design nou superb". Sincer să fiu, există un milion de lucruri pe care le-aș schimba la produsul nostru. După cum spune @garrytan, "fiecare produs este rău în ziua în care se naște" - deci aceasta a fost o piatră de hotar frumoasă, dar iată încă 1.000 de zile de șlefuire a marginilor aspre.