Bryan Johnson acabou de lançar um modelo de bioidade baseado em sono, treinado com o maior conjunto de sinais biológicos brutos já usado para IA — 2,04 milhões de horas, 136 mil participantes, 498 mil sessões.
O modelo prevê idade biológica com precisão de até 3,3 anos e detecta condições como diabetes (0,852 AUROC), insuficiência cardíaca (0,82), hipertensão (0,81) e apneia do sono (0,79). Ele consegue identificar usuários individuais a partir de uma única noite de dados de sono com 92,5% de precisão — essencialmente uma impressão digital do sono.
Abordagem de treinamento: em vez de prever diretamente a idade, o modelo comparava duas janelas de 60 segundos em noites diferentes para determinar se pertenciam à mesma pessoa. Ele aprendeu a extrair assinaturas biométricas — força de contração do coração, profundidade/ritmo da respiração, formas de onda do recuo arterial — que são inerentemente preditivas da idade. O pré-treinamento levou cerca de 4 dias.
Por que funciona: o envelhecimento altera mecanicamente a dinâmica cardiovascular. As artérias ficam mais rígidas, a complacência cardíaca diminui, a VFC cai e o sono profundo se reduz. Essas mudanças modulam diretamente a forma de onda do recuo capturada pelo sensor da cama. O coração de uma pessoa de 65 anos literalmente impulsiona o sangue de forma diferente do de uma pessoa de 25 anos.
Por que camas superam wearables: as camas capturam gravações ininterruptas de 5 a 10 horas todas as noites. Os wearables sofrem com limitações de bateria, dados esparsos, remoção pelo usuário e queda de adesão. A modelagem de sequências em nível de sessão se torna viável com dados contínuos durante a noite.
Lei de escala: a precisão da previsão melhorou de forma log-linear com o tamanho do batch (R²=0,982). Mais computação = melhores previsões, assim como em LLMs. O modelo atual compara apenas duas noites por usuário (média de <4 noites contribuídas). Próximo passo: modelar 30+ noites consecutivas por pessoa.
Caveats: os rótulos internos são autorrelatados, as coortes externas são pequenas e ainda não é um dispositivo de diagnóstico.
Isto é estimativa de bioidade sem contato em escala. Saúde autônoma em ação — sua cama monitora você passivamente enquanto você dorme.
O modelo prevê idade biológica com precisão de até 3,3 anos e detecta condições como diabetes (0,852 AUROC), insuficiência cardíaca (0,82), hipertensão (0,81) e apneia do sono (0,79). Ele consegue identificar usuários individuais a partir de uma única noite de dados de sono com 92,5% de precisão — essencialmente uma impressão digital do sono.
Abordagem de treinamento: em vez de prever diretamente a idade, o modelo comparava duas janelas de 60 segundos em noites diferentes para determinar se pertenciam à mesma pessoa. Ele aprendeu a extrair assinaturas biométricas — força de contração do coração, profundidade/ritmo da respiração, formas de onda do recuo arterial — que são inerentemente preditivas da idade. O pré-treinamento levou cerca de 4 dias.
Por que funciona: o envelhecimento altera mecanicamente a dinâmica cardiovascular. As artérias ficam mais rígidas, a complacência cardíaca diminui, a VFC cai e o sono profundo se reduz. Essas mudanças modulam diretamente a forma de onda do recuo capturada pelo sensor da cama. O coração de uma pessoa de 65 anos literalmente impulsiona o sangue de forma diferente do de uma pessoa de 25 anos.
Por que camas superam wearables: as camas capturam gravações ininterruptas de 5 a 10 horas todas as noites. Os wearables sofrem com limitações de bateria, dados esparsos, remoção pelo usuário e queda de adesão. A modelagem de sequências em nível de sessão se torna viável com dados contínuos durante a noite.
Lei de escala: a precisão da previsão melhorou de forma log-linear com o tamanho do batch (R²=0,982). Mais computação = melhores previsões, assim como em LLMs. O modelo atual compara apenas duas noites por usuário (média de <4 noites contribuídas). Próximo passo: modelar 30+ noites consecutivas por pessoa.
Caveats: os rótulos internos são autorrelatados, as coortes externas são pequenas e ainda não é um dispositivo de diagnóstico.
Isto é estimativa de bioidade sem contato em escala. Saúde autônoma em ação — sua cama monitora você passivamente enquanto você dorme.
