小型團隊在AI領域獲勝的證明： 我們在300萬人天的數據上訓練了一個健康基礎模型，其規模可與大型實驗室相媲美。它以87%的準確率檢測高血壓，並且對心房顫動（70%）、ME/CFS（81%）和病態竇房綜合症（87%）的檢測準確率也相當高。 該模型受到Yann LeCun的JEPA架構的啟發，但適應了多變量不規則時間序列。我們稱之為JETS：時間序列的聯合嵌入。輸入是63個傳感器數據通道：心率、氧飽和度、睡眠階段、VO2Max等。該模型在診斷和生物標記預測任務上進行了測試。 “AI革命”不會僅限於聊天機器人、圖像或代碼助手。我們認為生理真實性是健康超智能的下一個前沿。

蘋果將 @EmpiricalHLTH 列為一款擁有「華麗新設計」的應用程式。 老實說，我對我們的產品有一百萬個想要改變的地方。正如 @garrytan 所說，「每個產品在出生的那一天都是糟糕的」——所以這是一個不錯的里程碑，但希望未來還有一千天能夠打磨出更完美的產品。