xMAE dan HiMAE: Model AI Kesihatan Samsung Beroperasi Sepenuhnya di Jam Tangan Pintar Tanpa Awan

xMAE dilatih pada kira-kira 9,400 jam data ECG–PPG berpasangan daripada kira-kira 2,400 subjek. Ia kemudian dinilai merentasi enam kajian yang merangkumi 19 tugasan hiliran, termasuk ramalan hipertensi, pengesanan degupan ektopik, pengkategorian peringkat tidur, dan anggaran makmal darah. Model ini mengatasi semua model sumber terbuka sebelumnya dalam 15 daripada 19 tugasan mengikut AUROC . Satu pandangan praktikal utama: selepas prapelatihan, cabang ECG dialih keluar dan model berjalan pada PPG sahaja, menjadikannya sesuai untuk penggunaan boleh pakai .

HiMAE: Analisis hierarki merentasi skala masa

HiMAE (Hierarchical Masked Autoencoder) mengambil pendekatan berbeza: ia menganalisis data siri masa boleh pakai — degupan jantung, peringkat tidur, corak aktiviti — merentasi pelbagai resolusi temporal menggunakan pengekod-nyahkod konvolusi hierarki . Daripada menganggap semua skala masa secara seragam, HiMAE menemui struktur khusus resolusi: corak kasar pada skala lebih panjang (contohnya, kitaran tidur/jaga) dan corak halus pada skala lebih pendek (contohnya, degupan jantung individu) . Model ini mencapai inferens sub-milisaat pada CPU jam pintar, membolehkan analisis berterusan pada peranti tanpa memindahkan data ke awan .

Pendekatan pembelajaran kendiri yang dikongsi

Kedua-dua xMAE dan HiMAE adalah pengekod auto bertopeng (MAE) yang dilatih melalui pembelajaran kendiri pada data isyarat bio yang tidak berlabel . Idea asasnya mudah tetapi berkesan: tutup sebahagian isyarat input, kemudian latih model untuk membina semulanya. Ini membolehkan model menangkap struktur fisiologi yang bermakna tanpa memerlukan data latihan berlabel secara manual — kelebihan kritikal dalam AI kesihatan, di mana data klinikal berlabel sukar dan mahal untuk dihasilkan.

Peranan dalam visi Connected Care Samsung

Pada Galaxy Unpacked Julai 2026, Samsung memperkenalkan strategi Connected Care, satu peralihan daripada metrik kesihatan purata populasi kepada pemantauan kesihatan pencegahan dan peribadi yang didorong oleh AI pada peranti . Dr. Pak menggambarkan model asas kesihatan sebagai pemangkin utama — beralih "daripada purata populasi kepada sesuatu yang benar-benar peribadi" dengan menggunakan pembelajaran kendiri untuk mengekstrak ciri bermakna daripada isyarat bio setiap individu .

xMAE dan HiMAE adalah model konkrit pertama Samsung Research yang merealisasikan visi ini: ia berjalan sepenuhnya pada jam pintar (tiada awan diperlukan), mempelajari corak fisiologi khusus pengguna, dan boleh ditala halus untuk tugasan seperti anggaran tekanan darah, pengesanan aritmia, dan analisis tidur terus pada peranti . Bersama-sama, ia mewakili langkah praktikal ke arah menjadikan AI kesihatan boleh pakai bersifat peribadi dan sentiasa tersedia — tanpa memerlukan sambungan internet.