Google Research schudt met de lancering van SensorFM de medische wereld wakker. Hiermee verschuift de markt definitief van simpele activity tracking naar totale fysiologische surveillance. Dit is geen vrijblijvend techexperiment, maar een volwaardig model dat sensordata gebruikt om jouw gezondheid te voorspellen.
Technisch gezien praten we hier niet over een standaard LLM (Large Language Model of een taalmodel getraind op tekst). SensorFM is een specifiek sensor foundation model. Exact dezelfde transformerarchitectuur (de wiskundige fundering die ook systemen zoals GPT4 aandrijft) vormt de basis. Alleen verwerkt dit model geen woorden. Continu hakt het systeem tijdreeksen in losse blokken. Dagelijks slikt de AI maar liefst 34 verschillende fysiologische kenmerken afkomstig uit 4 sensorstromen. Daaronder vallen optische hartslagmetingen, beweging, huidgeleiding en temperatuur. Via selfsupervised learning (een geavanceerde trainingsmethode waarbij de computer zelfstandig patronen ontdekt in ongestructureerde data) leert de AI hoe een menselijk lichaam functioneert. Google verbergt telkens 60 minuten aan data uit een blok van 24 uur. Vervolgens moet het model de ontbrekende biologische waarden zelf reconstrueren.
Traditionele gezondheidsapps gebruiken momenteel nog 35 losse deterministische algoritmes (starre wiskundige formules met een vaste uitkomst) voor 35 afzonderlijke taken. SensorFM kiest voor een andere route. Dit model bouwt 1 centrale representatie van de menselijke fysiologie. Hierdoor snapt de software hoe biologische systemen interageren. Onderzoek toont aan dat het model op 34 van de 35 medische benchmarks beter presteert dan de oude specialistische code.
De verborgen databuit achter de fitnesshorloges
Voor deze operatie beschikt Google over een angstaanjagend grote munitiekist. Op dit moment is SensorFM getraind op 1 biljoen minuten aan biometrische data. Deze gigantische berg is afkomstig van 5 miljoen individuen verspreid over meer dan 100 landen. Jarenlang stroomde deze informatie geruisloos binnen via de overname van Fitbit en de verkoop van de Pixel Watch-lijn. Grote techbedrijven beweren altijd dat gebruikers expliciet toestemming geven. In de praktijk vervaagt de grens tussen een eigentijds consumentenproduct en een klinisch testsubject volledig.
Dit project staat bovendien niet op zichzelf. Eerder al toonde Google Health aan dat AI via netvliesfoto’s hartziekten kan voorspellen. Met SensorFM bouwt de gigant nu een personal health agent (een digitale gezondheidsassistent die zelfstandig medische rapporten kan opstellen).
Ondertussen woedt er een hevige gezondheidsdataoorlog op de techmarkt. Drie kampen staan lijnrecht tegenover elkaar met een totaal verschillende visie. Google vertrouwt volledig op de centrale AI-modellen en cloudkracht. Tegenover hen staat Apple met een focus op lokale privacy en gedragsmodellen. Daarnaast opereert Garmin als de koning van de hardwareintegriteit en stabiele biometrie.
Regelmatig wordt Apple weggezet als een simpel platform voor apps van derden. Dat is een grote fout. Onlangs publiceerde hun machine learning-divisie diepgaand onderzoek naar gedragsmodellen. Zij trainen hun AI niet op rauwe sensordata in de cloud maar op menselijke gedragspatronen zoals slaapwisselingen en mobiliteit. Met hun eigen AFM-architectuur (de interne structuur van Apple Foundation Models) kiest het bedrijf voor on-device verwerking. Alle berekeningen draaien lokaal op de chips van jouw iPhone en Apple Watch. Daarmee wil Apple het vertrouwde private gezondheidssysteem worden. Google daarentegen kiest bewust voor centralisatie van jouw intieme data.
En dan is er nog Garmin. Dit merk bezit kwalitatief de beste en schoonste sportdatasets ter wereld. Miljoenen atleten dragen hun toestellen immers jarenlang 24 uur per dag. Toch bouwen zij niet als eerste dit soort grote AI-modellen. Simpelweg omdat Garmin een hardwarebedrijf is en geen techgigant met eigen computerclusters. Het trainen van een model met 1 biljoen datapunten kost miljoenen euro’s aan rekenkracht. Bovendien ontbreekt het hen aan een gigantisch leger deep learning-wetenschappers.
Van oudsher leunt Garmin op Firstbeat Analytics (een aangekocht systeem dat via rigide wiskundige formules hartslagvariabiliteit omzet in trainingsherstel). Dat werkt voorspelbaar en betrouwbaar. SensorFM daarentegen werkt probabilistisch (een statistische methode die zoekt naar waarschijnlijkheden en patronen in de ruis). Zelfstandig een miljardenparametersmodel bouwen gaat Garmin niet lukken. Waarschijnlijk dwingt deze oorlog hen in een rol als B2B-leverancier (een business-to-business-leverancier die data via licenties verkoopt aan grotere platformen). Technisch inleveren om te overleven.
Het juridische mijnenveld en de opkomst van het gezondheidssaasmonopolie
Achter de glanzende marketing van deze fitnesstools schuilt een harde juridische realiteit. Binnen de Europese Unie valt biometrische sensordata onder bijzondere persoonsgegevens. Zowel de GDPR (de strenge Europese privacywetgeving) als de nieuwe AI Act leggen het commercieel hergebruiken van deze data aan loodzware banden. Data harken voor advertentiedoeleinden of het trainen van commerciële modellen is simpelweg verboden zonder expliciete toestemming. Momenteel verschuilt Google zich achter anonieme aggregatie tijdens de onderzoeksfase. Zodra een digitale assistent live diagnoses stelt bij Europese burgers, ontstaat er een gigantisch probleem. Elke verwerking vereist dan een herroepbare toestemming die juridisch waterdicht moet zijn. Ook wetgeving zoals NIS2 (de Europese richtlijn voor cybersecurity en vitale infrastructuur) draait de duimschroeven voor IT-systemen hard aan.
Veel gevaarlijker is het dreigende SaaS-monopolie (een software-as-a-service-platformafhankelijkheid waarbij je vastzit aan een leverancier). Als SensorFM de wereldwijde standaard wordt voor de interpretatie van het menselijk lichaam, ontstaat een extreme lock-in (een situatie waarin overstappen naar een concurrent vrijwel onmogelijk is). Kleinere fabrikanten van slimme ringen of sporthorloges kunnen dan niet meer om Google heen. Zij bezitten de hardware, maar missen de intelligentie. Zonder de API-koppeling (de softwareverbinding die data uitwisselt tussen applicaties) met Google kan hun horloge de klant niet vertellen of hij ziek wordt. Wie de interpretatielaag bezit, die bezit de eindklant. De hardware wordt gereduceerd tot een domme sensor.
Uiteindelijk dwingt deze ontwikkeling ons tot een fundamentele keuze. Accepteren we dat de diepste biologische signalen van ons eigen lichaam het exclusieve intellectuele eigendom worden van één Amerikaans platform of eisen we een open-source alternatief voor onze fysiologische soeveriniteit?