스마트워치는 심박, 수면, 움직임, 체온 같은 신호를 계속 기록합니다. 하지만 웨어러블 헬스의 어려움은 단순히 데이터가 부족하다는 데 있지 않습니다. 사람마다 기준이 다르고, 착용 습관에 따라 데이터가 끊기며, 같은 신호도 상황에 따라 의미가 달라집니다.
Google Research의 SensorFM은 이 문제를 풀기 위한 대형 센서 파운데이션 모델입니다. 핵심은 Fitbit과 Pixel Watch에서 수집된 대규모 웨어러블 데이터를 학습해, 여러 건강·행동 예측 과제에 재사용할 수 있는 공통 표현을 만드는 것입니다.1
SensorFM은 무엇을 배우나
SensorFM은 라벨이 없는 웨어러블 데이터를 자기지도 방식으로 학습합니다. 정답이 붙은 질병명이나 행동 태그를 먼저 요구하는 대신, 센서 데이터의 일부를 가리고 복원하는 식으로 생리·행동 패턴을 익힙니다.
사전학습에는 건강·웰니스 연구 활용에 동의한 500만 명의 비식별 데이터가 사용됐습니다. 데이터 수집 기간은 2024년 9월부터 2025년 9월까지이며, 전체 규모는 1조 분 이상의 멀티모달 센서 신호입니다.1
입력은 PPG, 가속도계, 피부전도, 피부온도, 고도 등 5개 센서 계열에서 나온 34개 1분 단위 특징입니다.1 즉 SensorFM은 단일 원시 신호를 해석하는 모델이라기보다, 하루 동안 이어지는 생리·행동 흐름을 읽고 요약하는 모델에 가깝습니다.
왜 파운데이션 모델 접근이 중요한가
기존 웨어러블 헬스 모델은 보통 특정 목적에 맞춰 따로 만들어졌습니다. 예를 들어 수면, 스트레스, 심혈관 위험처럼 과제별로 라벨을 모으고 모델을 학습하는 방식입니다. 이 접근은 명확하지만, 라벨 수집 비용이 크고 다른 문제로 확장하기 어렵습니다.
SensorFM의 차이는 하나의 공통 표현을 여러 과제에 재사용하려는 데 있습니다. 연구진은 13,985명이 참여한 3개 독립 연구의 35개 건강·행동 예측 과제에서 모델을 평가했습니다. 그 결과 SensorFM 임베딩에 단순한 선형 헤드만 붙인 모델이 35개 중 34개 과제에서 특징 기반 지도학습 기준 모델보다 높은 성능을 보였다고 밝혔습니다.1
이 결과가 중요한 이유는 성능 수치 자체보다 방향성에 있습니다. 웨어러블 데이터가 많아질수록 과제별 모델을 계속 새로 만드는 방식보다, 먼저 범용 센서 표현을 학습한 뒤 필요한 문제에 맞게 활용하는 방식이 더 실용적일 수 있기 때문입니다.
현실의 웨어러블 데이터는 늘 불완전하다
웨어러블 데이터는 실험실 데이터처럼 깔끔하지 않습니다. 사용자가 기기를 벗거나, 배터리를 아끼기 위해 기능을 끄거나, 센서가 일시적으로 제대로 작동하지 않으면 기록은 쉽게 끊깁니다.
SensorFM은 이런 결측을 단순한 오류로만 처리하지 않고 학습 과정에 포함하도록 설계됐습니다.1 이는 실제 사용 환경에서 특히 중요합니다. 건강 모델이 현실적으로 작동하려면 완벽한 데이터가 아니라, 불완전하고 불규칙한 데이터에서도 의미 있는 패턴을 찾아야 하기 때문입니다.
어디까지 기대할 수 있나
SensorFM은 개인 건강 에이전트의 기반 정보로도 실험됐습니다. SensorFM의 예측값을 추가한 건강 요약은 기본 웨어러블 지표만 사용한 경우보다 임상의 평가에서 더 좋은 점수를 받았습니다.1 이는 향후 AI 건강 코치가 단순한 일반 조언을 넘어, 개인의 생리 패턴을 반영한 설명을 제공할 가능성을 보여줍니다.
다만 이를 곧바로 의료 진단 모델로 받아들이기는 이릅니다. 공개된 분석에 따르면 SensorFM은 아직 연구 모델 단계이며, Fitbit과 Pixel Watch 데이터에 기반합니다. 또한 1분 단위 집계 데이터를 사용하기 때문에 매우 짧은 신호 변화는 놓칠 수 있습니다.2
우리가 봐야 할 변화
SensorFM이 보여주는 핵심은 웨어러블의 가치가 센서 개수나 측정 항목만으로 결정되지 않는다는 점입니다. 중요한 것은 끊기고 불완전한 신호를 얼마나 일반화 가능한 건강 표현으로 바꿀 수 있느냐입니다.
앞으로 디지털 헬스 경쟁은 “무엇을 측정하나”에서 “측정값을 어떻게 해석하나”로 이동할 가능성이 큽니다. SensorFM은 그 전환을 보여주는 사례입니다. 웨어러블 데이터가 개인 건강 이해의 기반이 되려면, 더 많은 데이터보다 더 잘 재사용할 수 있는 해석층이 필요합니다.
1SensorFM: Towards a general intelligence and interface for wearable health data
2Google's SensorFM turns messy wearable sensor data into a general-purpose health intelligence layer
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.