ウェアラブル基盤モデルは静的エンコーダを超えるべきである

要旨：ウェアラブル基盤モデル（WFMs）は、手頃な価格の常時稼働デバイスによって収集された大量のデータで訓練され、短期の、明確に定義された健康モニタリングタスクにおいて高い性能を示しています。これには、活動認識、フィットネストラッキング、心血管信号の評価が含まれます。
しかし、既存の多くのWFMsは主に静的エンコーダを介して短い時間窓を事前に定義されたラベルへマッピングしており、進化する個人の履歴、文脈、将来のリスクの推移を考慮した推論よりも回顧的な予測を重視しています。
その結果、それらは、数週間、数か月、あるいは数年にわたって展開する慢性で進行性、またはエピソード性の健康状態のモデリングには適していません。
したがって、WFMs は静的エンコーダを超え、長期的で前向きな健康推論のために明確に設計される必要があると主張します。
(1) 構造的に豊かなデータ、孤立したデータセットやアウトカム条件付きの収集を超え、統合されたマルチモーダルで長期的な個人の軌跡と文脈メタデータへと繋がり、理想的にはオープンで相互運用可能なデータエコシステムによって支えられることを意味します；
(2) 長期的文脈を意識したマルチモーダルモデリング、長期的文脈推論、時間的抽象化、個別化を、断面データや集団レベルの予測より優先します；
(3) エージェント的推論システム。静的予測を超えて、計画立案、意思決定、そして不確実性の下で臨床的に根拠づけられた介入を支援します。
これらの転換は、ウェアラブル健康モニタリングを回顧的な信号解釈から、継続的で前向きな、そして人間に適合した健康支援へと再定義します。