Samsung Rilis Dua Model AI Kesehatan xMAE dan HiMAE: Analisis Biosignal Langsung di Smartwatch, Tanpa Cloud

xMAE dilatih pada sekitar 9.400 jam data EKG–PPG berpasangan dari sekitar 2.400 subjek. Model ini kemudian dievaluasi di enam studi yang mencakup 19 tugas lanjutan, termasuk prediksi hipertensi, deteksi detak ektopik, penentuan tahap tidur, dan estimasi laboratorium darah. Model ini mengungguli semua model foundation sumber terbuka sebelumnya dalam 15 dari 19 tugas berdasarkan AUROC . Insight praktis yang penting: setelah pelatihan awal, cabang EKG dihapus dan model berjalan hanya dengan PPG, membuatnya sangat cocok untuk diterapkan di perangkat wearable .

HiMAE: Analisis Bertingkat di Berbagai Skala Waktu

HiMAE (Hierarchical Masked Autoencoder) mengambil pendekatan berbeda: ia menganalisis data deret waktu dari perangkat wearable — detak jantung, tahap tidur, pola aktivitas — di berbagai resolusi temporal menggunakan encoder-decoder konvolusional hierarkis . Alih-alih memperlakukan semua skala waktu secara seragam, HiMAE menemukan struktur spesifik pada setiap resolusi: pola kasar pada skala panjang (misalnya, siklus tidur/bangun) dan pola yang lebih halus pada skala pendek (misalnya, detak jantung individual) . Model ini mencapai inferensi di bawah satu milidetik pada CPU smartwatch, memungkinkan analisis berkelanjutan di perangkat tanpa perlu mengirim data ke cloud .

Pendekatan Self-Supervised Learning

Baik xMAE maupun HiMAE adalah masked autoencoder (MAE) yang dilatih melalui self-supervised learning pada data biosignal yang tidak berlabel . Ide intinya sederhana namun kuat: tutupi sebagian sinyal input, lalu latih model untuk merekonstruksinya. Ini memungkinkan model menangkap struktur fisiologis yang bermakna tanpa memerlukan data pelatihan yang diberi label secara manual — sebuah keuntungan penting dalam AI kesehatan, di mana data klinis berlabel seringkali langka dan mahal untuk diproduksi.

Peran dalam Visi Connected Care Samsung

Pada acara Galaxy Unpacked Juli 2026, Samsung memperkenalkan strategi Connected Care-nya, sebuah pergeseran dari metrik kesehatan rata-rata populasi ke pemantauan kesehatan preventif dan personal yang didukung oleh AI di perangkat . Dr. Pak menggambarkan model AI foundation sebagai kunci utama — bergerak "dari rata-rata populasi ke sesuatu yang benar-benar personal" dengan menggunakan self-supervised learning untuk mengekstrak fitur bermakna dari biosignal setiap individu .

xMAE dan HiMAE adalah model konkret pertama dari Samsung Research yang mewujudkan visi ini: keduanya berjalan sepenuhnya di smartwatch (tanpa perlu cloud), mempelajari pola fisiologis spesifik pengguna, dan dapat disesuaikan untuk tugas-tugas seperti estimasi tekanan darah, deteksi aritmia, dan analisis tidur langsung di perangkat . Bersama-sama, mereka mewakili langkah praktis menuju AI kesehatan wearable yang privat dan tersedia terus-menerus — tanpa perlu koneksi internet.