Koniec pasywnych opasek? Samsung stawia na modele AI analizujące biosygnały w czasie rzeczywistym
Współczesne smartwatche od dawna zbierają ogromne ilości danych o naszym tętnie czy śnie, jednak ich interpretacja często pozostawia wiele do życzenia, ograniczając się do prostych statystyk. Samsung Research America zamierza to zmienić, wprowadzając dwa nowe modele bazowe: xMAE oraz HiMAE. To podejście przesuwa punkt ciężkości z prostego monitorowania w stronę zaawansowanej predykcji medycznej, realizowanej bezpośrednio na nadgarstku użytkownika.
Dlaczego to ważne? Samsung odchodzi od prostych algorytmów na rzecz systemów, które uczą się bez nadzoru człowieka. Modele xMAE i HiMAE potrafią samodzielnie wyłapywać subtelne wzorce w surowych biosygnałach, co do tej pory wymagało ogromnych mocy obliczeniowych serwerów. Teraz te procesy trafiają bezpośrednio do procesorów w zegarkach, co pozwala na błyskawiczną analizę bez wysyłania wrażliwych danych medycznych do chmury.
Kluczem do nowej strategii Samsunga jest uczenie samonadzorowane (self-supervised learning). Jak zauważa Sharanya Desai z Samsung Research America, tworzy fundament analizy, która jest nie tylko precyzyjna, ale przede wszystkim ciągła i wydajna energetycznie. W świecie technologii ubieralnych, gdzie każda miliamperogodzina baterii jest na wagę złota, to ogromna zmiana.
Przełom w korelacji sygnałów: Model xMAE
Architektura xMAE (Physiology-Aware Masked Cross-Modal Reconstruction) rozwiązuje jeden z największych problemów mobilnej kardiologii: różnicę między aktywnym a pasywnym pomiarem. Podczas gdy EKG wymaga od użytkownika bezruchu i dotknięcia czujnika, fotopletyzmografia (PPG) działa stale w tle. Samsung nauczył model xMAE rozumieć relację między tymi sygnałami, co można porównać do słyszenia grzmotu po zobaczeniu błyskawicy.
Inżynierowie wytrenowali system na blisko 10 tysiącach godzin danych. Efekt? Model potrafi zrekonstruować brakujące fragmenty EKG na podstawie samych odczytów PPG. W testach rozwiązanie to pokonało dotychczasowe metody w 15 z 19 zadań, wykazując się wyższą skutecznością w wykrywaniu chorób układu krążenia i klasyfikacji faz snu. Jak podaje Samsung Research, model może działać wyłącznie na sygnale PPG, co pozwala budować znacznie silniejsze reprezentacje danych dla praktycznych zastosowań zdrowotnych.
Hierarchiczna analiza i wydajność on-device
Drugi z modeli, HiMAE, skupia się na skali czasu. Nasze ciało generuje dane w różnym rytmie – od uderzeń serca liczonych w milisekundach, po wielogodzinne cykle snu. HiMAE stosuje wielopoziomowe kodery, które oddzielnie analizują krótkie i długie segmenty czasowe. Pozwala to jednemu systemowi jednocześnie przewidywać tętno i oceniać jakość wypoczynku.
Co istotne z perspektywy prywatności, HiMAE został zoptymalizowany pod kątem procesorów w smartwatchach. Według danych producenta, model generuje wyniki w czasie poniżej 1 milisekundy. Według autorów projektu, HiMAE po raz pierwszy demonstruje potencjał lokalnych modeli zdrowotnych, które analizują surowe sygnały w czasie rzeczywistym, całkowicie omijając serwery chmurowe.
To istotny krok w stronę wizji „Connected Care”. Technologia ubieralna przestaje być tylko gadżetem dla amatorów biegania, a staje się realnym narzędziem prewencyjnym, które dzięki xMAE i HiMAE rozumie organizm użytkownika lepiej niż kiedykolwiek wcześniej.
