Nieuwe AI-techniek van Google maakt betrouwbare analyses mogelijk, zelfs wanneer sensordata ontbreekt – een grote stap vooruit voor slimme gezondheidsapps.
Wearables leveren waardevolle gezondheidsdata, maar missen vaak stukken informatie. Google’s nieuwe AI-model LSM2 weet daar slim mee om te gaan.
In een tijd waarin steeds meer mensen met slimme horloges, ringen of armbanden hun gezondheid monitoren, worstelen onderzoekers met een hardnekkig probleem: sensorgegevens zijn vaak onvolledig. Accu’s raken leeg, verbindingen haperen, of gebruikers vergeten hun apparaat te dragen. Voor traditionele AI-modellen is dat een ramp – zij zijn gebouwd op volledige datasets. Maar Google DeepMind komt nu met een oplossing: LSM2 (Latent State Model 2).
AI leert omgaan met gaten in de data
LSM2 is een krachtig machine learning-model dat speciaal is ontworpen voor tijdreeksen – oftewel data die over een periode wordt verzameld. Denk aan hartslagmetingen, slaapcycli of activiteitsniveaus. Waar oudere modellen struikelen over ontbrekende gegevens, vult LSM2 die zelf in op basis van context. Het voorspelt wat er waarschijnlijk is gebeurd op momenten dat de sensor niets registreerde, zonder dat dit ten koste gaat van de nauwkeurigheid.
Deze aanpak is geïnspireerd op technieken uit de taalmodellen – zoals bij het invullen van een ontbrekend woord in een zin. LSM2 “raadt” als het ware wat er mist in een reeks metingen, met verrassend betrouwbare resultaten.
Praktisch inzetbaar: van gezondheid tot sportprestaties
Het model is uitvoerig getest op publieke datasets van onder andere smartphones, fitnesstrackers en medische sensoren. De resultaten waren veelbelovend: LSM2 presteerde beter dan bestaande benchmarks, zelfs als er grote delen van de data ontbraken.
Dat maakt het model bijzonder interessant voor toepassingen in de gezondheidszorg, sportwetenschappen, en gedragsanalyse. Denk aan detectie van hartritmestoornissen, voorspelling van stressniveaus of herstelanalyses na een blessure – zelfs als het horloge halverwege uitviel.
Betere privacy en minder energieverbruik
Een ander voordeel van LSM2 is dat het efficiënter met data omgaat. Omdat het model robuust is voor hiaten, hoeven wearables minder frequent te meten. Dat bespaart batterij en vermindert de hoeveelheid verzonden data, wat ook goed is voor de privacy van gebruikers. Bovendien opent het mogelijkheden voor on-device AI, waarbij de berekeningen lokaal gebeuren in plaats van in de cloud.
Een stap richting mensgerichte AI
Met LSM2 zet Google een belangrijke stap naar meer toegankelijke, flexibele en privacyvriendelijke AI. In plaats van te vertrouwen op “perfecte” datasets, leert de technologie omgaan met de imperfecties van het echte leven. Dat is niet alleen technisch knap, maar ook maatschappelijk relevant – zeker in een wereld waarin gezondheid, data en vertrouwen steeds nauwer met elkaar verweven zijn.
