Samsung Research America predstavio je dva AI modela temeljena na analizi biopodataka prikupljenih putem nosivih uređaja. Ovi radovi fokusiraju se na podatke prikupljene pametnim satovima, uključujući aktivnosti srca, san i tjelesnu aktivnost.
Tvrtka je tijekom Health Foruma na Galaxy Unpacked u srpnju 2026. predstavila svoju viziju povezane skrbi. Samsung opisuje budućnost preventivne, personalizirane i povezane skrbi, podržane tehnologijom zdravstva i partnerstvima u zdravstvu. Njihov istraživački tim pozicionira modele temelja zdravlja kao jedan od sastavnih dijelova novih iskustava potrošača u zdravstvu.
Sharanya Desai, voditeljica algoritama digitalnog zdravlja u Samsung Research America, izjavila je: “Ovo istraživanje je značajno jer postavlja tehničke temelje za pružanje uvida u zdravlje koji su učinkoviti, precizni i kontinuirani putem modela temelja zdravlja.”
“Nastavit ćemo razvijati i unapređivati modele temelja zdravlja koji se mogu primijeniti na razne biopodatke i zdravstvene značajke koje mogu raditi na uređaju s ograničenim senzorima i računalnim resursima.”
Istraživanje AI modela temelja zdravlja u Samsungu
Model temelja zdravlja koristi samonadzirano učenje za prepoznavanje značajki u neoznačenim biopodacima. Samsung tvrdi da pretreniranje na velikim zdravstvenim skupovima podataka omogućuje jednom modelu podršku za zadatke kao što su analiza biopodataka, razvoj biomarkera i predikcija zdravstvenih problema.
Istraživanje pokriva dva modela s različitim ciljevima. xMAE, skraćeno od Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning, uči vremenske odnose između različitih biopodataka. HiMAE, ili Hierarchical Masked Autoencoder, uči obrasce zdravlja kroz više vremenskih razmjera u nosivim vremenskim serijama podataka.
Samsung navodi da je xMAE prihvaćen na Međunarodnoj konferenciji o strojnome učenju. HiMAE je prihvaćen na Međunarodnoj konferenciji o učenju reprezentacija. Tvrtka opisuje oba modela kao rad na fiziološkim odnosima i vremenskim strukturama u biopodacima.
Modeli se bave različitim dijelovima analize podataka s nosivih uređaja. xMAE povezuje dva srčana signala koja mjere povezanu aktivnost putem različitih mehanizama. HiMAE analizira podatke na kratkim i dugim intervalima, omogućujući jednom pretreniranim modelu podršku za klasifikaciju, numeričku predikciju i generaciju podataka.
xMAE povezuje kontinuirane PPG podatke s ECG signalima
Elektrokardiogrami, ili ECG, mjere električnu aktivnost srca izravno. Samsung opisuje ECG kao koristan za mjerenje brzine otkucaja srca i varijabilnosti brzine otkucaja srca. Također može identificirati abnormalne ritmove srca i rizike povezane s stanjima poput atrijske fibrilacije.
Nosivi ECG očitavanja obično zahtijevaju od korisnika da pauzira i aktivno mjeri. Fotoplethysmografija, ili PPG, koristi drugačiji pristup. PPG otkriva promjene u protoku krvi i može se pasivno prenositi putem senzora u nosivim uređajima poput pametnih satova.
Oba signala potječu iz srčane aktivnosti. Javljaju se s vremenskom razlikom, što Samsung uspoređuje s čuvenjem groma nakon što je vidio munju. xMAE uči tu vremensku povezanost rekonstruirajući maskirane dijelove ECG signala iz PPG podataka.
