Demuestra que los equipos pequeños pueden ganar en IA: Entrenamos un modelo de base de salud con 3 millones de días-persona de datos, comparable en escala a los laboratorios más grandes. Detecta la hipertensión con un 87% de precisión, junto con el flutter auricular (70%), EM/SFC (81%) y síndrome de seno enfermo (87%). El modelo se inspiró en la arquitectura JEPA de Yann LeCun, pero se adaptó a series temporales irregulares multivariantes. Lo llamamos JETS: Joint Embedding for Time Series. La entrada son 63 canales de datos de sensores: frecuencia cardíaca, saturación de oxígeno, fases del sueño, VO2Max, etc. El modelo se probó tanto en tareas de diagnóstico como de predicción de biomarcadores. La "revolución de la IA" no se limitará a chatbots, imágenes o asistentes de código. Creemos que la verdad fisiológica es la próxima frontera para la superinteligencia en salud.