웨어러블 기기는 이미 몸의 로그를 계속 쌓고 있어. 심박, 움직임, 피부 온도, 산소포화도, 수면 같은 신호가 분 단위로 남지. 문제는 그 데이터가 많다는 것과 건강을 설명할 수 있다는 것이 같은 말은 아니라는 데 있어.
Google Research가 공개한 SensorFM은 이 간극을 foundation model 방식으로 풀어보려는 시도야. 병명이나 검사 결과처럼 비싼 라벨을 먼저 붙이는 대신, 500만 명이 동의해 제공한 웨어러블 센서 데이터 1조 분 이상을 먼저 학습한다. 핵심은 "건강 AI가 상담을 잘한다"가 아니라, 라벨이 부족한 건강 데이터를 한 번에 여러 문제로 옮겨 쓸 표현으로 바꾸는 거야.1
무슨 일인가
SensorFM은 Fitbit과 Pixel Watch 같은 기기에서 나온 장기 센서 흐름을 학습한 모델이야. Google은 2024년 9월부터 2025년 9월까지 수집된 비식별 데이터를 썼고, 참여자는 100개 넘는 나라와 미국 50개 주에 걸쳐 있었다고 설명해.1
입력은 24시간 동안의 1분 단위 집계값이야. 심박과 심박변이, 혈중 산소, 수면 단계, 움직임, 걸음 수, 피부 전도도, 온도 같은 34개 특징이 들어간다. 센서 종류로 보면 PPG, 가속도계, 전기피부활동, 피부 온도, 고도계가 묶여.1
여기서 중요한 설계는 “빠진 데이터”를 버리지 않는다는 점이야. 웨어러블은 손목에서 빠지고, 절전 모드로 들어가고, 센서가 켜졌다 꺼지면서 구멍이 생긴다. SensorFM은 이 구멍을 억지로 메우거나 버리는 대신, 원래 빠진 토큰과 학습을 위해 가린 토큰을 함께 다루며 복원하도록 배운다. 현실의 지저분한 데이터를 학습 조건 안으로 넣은 셈이지.
왜 중요한가
건강 데이터는 라벨이 비싸. 확정 진단, 혈액검사, 검증된 설문 같은 정답지는 느리고 비싸고, 나중에 소급해서 모으기도 어렵다. 그래서 지금까지 많은 웨어러블 모델은 “수면 하나”, “심박 하나”, “특정 질환 하나”처럼 좁은 목표마다 따로 만들기 쉬웠어.
SensorFM의 방향은 다르다. 먼저 사람의 생리 신호 전체에서 재사용 가능한 표현을 배우고, 그 위에 심혈관, 대사, 수면, 정신건강, 생활습관 같은 여러 과제를 얹는다. 이건 언어 모델이 문장을 먼저 배운 뒤 번역, 요약, 질의응답으로 옮겨가는 방식과 닮았어.
Google이 내놓은 숫자는 그래서 볼 만해. 가장 큰 모델인 SensorFM-B는 가장 작은 모델보다 복원 손실을 31% 낮췄고, downstream 건강 과제에서는 분류 평균 AUC가 9%, 회귀 평균 Pearson 계수가 21% 좋아졌다고 한다. 또 35개 과제 중 33개에서 가장 큰 모델이 이겼고, 34개 과제에서는 SensorFM 표현 위에 단순한 선형 헤드만 올려도 사람이 설계한 특징 기반 supervised baseline을 앞섰다고 설명해.1
확인된 것과 주장
확인된 것은 “큰 웨어러블 센서 데이터와 큰 모델을 같이 키우면 성능이 좋아졌다”는 실험 결과야. Google은 데이터 양과 모델 크기를 네 자릿수 범위로 키우며 실험했고, 사전학습 손실과 여러 건강 과제 성능이 함께 좋아졌다고 말한다. 적어도 이 자료 안에서는 스케일링이 멈췄다는 신호가 없었다는 점도 강조해.1
하지만 이게 곧바로 의료 제품의 임상 효용을 증명한다는 뜻은 아니야. 평가 과제는 3개의 IRB 승인 prospective study에서 나온 1만3985명 기준이고, 개인 건강 에이전트 평가는 실제 참가자 31명 프로필에 대해 임상가 패널이 1860개 평가를 한 구조야. 좋은 연구 신호지만, 병원 현장의 진단·치료 의사결정이나 규제 승인과는 다른 층위야.1
Google이 더 크게 말하고 싶은 쪽은 Personal Health Agent야. SensorFM 예측값을 넣은 건강 요약이 baseline보다 다섯 평가 기준 모두에서 좋아졌고, 실제 측정값을 넣은 조건과 통계적으로 유의한 차이가 없었다고 설명한다. 흥미롭지만, 여기서도 핵심은 챗봇 자체가 아니라 챗봇을 개인 생리 신호에 묶는 접지 도구야.
에이전트가 붙는 지점
자료 중간에는 또 하나의 축이 있어. Google은 SensorFM 임베딩 위에 예측 헤드를 만들기 위해 LLM 에이전트들이 코드를 만들고 시험하고 고치는 “classroom”을 구성했다. 실험에서는 3만 개 넘는 해법을 탐색했고, 에이전트가 설계한 헤드가 20개 분류 과제 중 16개, 15개 회귀 과제 중 12개에서 단순 선형 probe를 이겼다고 한다.1
이 대목은 건강 AI보다 agentic workflow 쪽 신호에 가깝다. 모델 하나가 답을 내는 게 아니라, 표현 모델 위에 붙일 작은 모델을 반복 실험으로 찾는 흐름이야. 다만 여기서도 자동화가 모든 문제를 해결했다기보다는, 평가 가능한 실험 공간에서 코드 탐색을 많이 돌렸을 때 어느 정도 이득이 있었다고 읽는 게 맞아.
다음에 볼 것
첫째, SensorFM이 논문과 블로그 밖에서 어떤 제품 표면으로 나오는지 봐야 해. Fitbit, Pixel Watch, Google Health, 연구 API 중 어디에 붙는지에 따라 의미가 달라진다.
둘째, 성능보다 더 어려운 것은 검증과 책임이야. 우울·불안 같은 정신건강 신호에서 성능이 좋아졌다는 주장은 매력적이지만, 오탐과 과잉 해석의 비용도 커. 실제 사용자에게 어떤 설명, 보류, 전문가 연결 장치를 붙이는지가 중요해진다.
셋째, 웨어러블 데이터의 주인은 누구인가도 계속 봐야 해. 동의받은 비식별 데이터라고 해도, 사람의 몸에서 나온 장기 신호는 검색어나 클릭보다 훨씬 민감하다. 건강 AI의 병목은 모델 크기만이 아니라 데이터 권리, 규제, 제품 신뢰까지 같이 걸려 있어.
댓글