Der Beweis, dass kleine Teams im Bereich KI gewinnen können: Wir haben ein Gesundheitsgrundmodell mit 3 Millionen Personentagen an Daten trainiert, vergleichbar in der Größe mit den größeren Laboren. Es erkennt Bluthochdruck mit 87% Genauigkeit, neben Vorhofflattern (70%), ME/CFS (81%) und dem Sick-Sinus-Syndrom (87%). Das Modell wurde von Yann LeCuns JEPA-Architektur inspiriert, aber an multivariate unregelmäßige Zeitreihen angepasst. Wir haben es JETS genannt: Joint Embedding for Time Series. Der Input sind 63 Kanäle von Sensordaten: Herzfrequenz, Sauerstoffsättigung, Schlafphasen, VO2Max usw. Das Modell wurde sowohl bei Diagnose- als auch bei Biomarker-Vorhersageaufgaben getestet. Die "KI-Revolution" wird sich nicht auf Chatbots, Bilder oder Code-Assistenten beschränken. Wir denken, dass die physiologische Grundwahrheit die nächste Grenze für gesundheitliche Superintelligenz ist.