Здравни AI модели на Samsung анализират данни от биосигнали на носими устройства

Samsung Research America’s Digital Health Team представи два фундаментални модела с изкуствен интелект, предназначени да се обучават върху биосигнали от носими устройства. Работата се фокусира върху данни, заснети от смарт часовници, включително сърдечна дейност, сън и физическа активност.

Компанията представи визията си за свързани грижи на Health Forum по време на Galaxy Unpacked през юли 2026 г. Samsung описа бъдеще на превантивни, персонализирани и свързани здравни грижи, подкрепени от здравни технологии и партньорства в здравеопазването. Изследователският екип на компанията определя фундаменталните модели за здраве като един от компонентите на новите потребителски здравни изживявания.

Шаранья Десай, ръководител на алгоритмите за дигитално здраве в Samsung Research America, заяви: „Това изследване е значимо, защото поставя техническата основа за предоставяне на ефективни, прецизни и непрекъснати здравни анализи чрез фундаментален модел за здраве.

„Ще продължим да разработваме и усъвършенстваме фундаментални модели за здраве, които могат да се прилагат към разнообразни биосигнали и здравни характеристики и да работят на устройството с ограничени сензори и изчислителни ресурси.“

Изследване на Samsung върху фундаментални AI модели за здраве

Фундаменталният модел за здраве използва самоконтролирано обучение, за да идентифицира характеристики в немаркирани данни от биосигнали. Samsung заявява, че предварителното обучение върху големи здравни набори от данни позволява на един модел да поддържа последващи задачи като анализ на биосигнали, разработване на биомаркери и прогнозиране на здравословни проблеми.

Изследването обхваща два модела с различни цели. xMAE, съкратено от Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning, изучава времевите взаимовръзки между различни биосигнали. HiMAE, или Hierarchical Masked Autoencoder, изучава здравни модели в множество времеви мащаби в данни от времеви редове, събрани от носими устройства.

Samsung заявява, че xMAE е приет на Международната конференция за машинно обучение. HiMAE е приет на Международната конференция за представяния на обучението. Компанията описва и двата модела като работа върху физиологичните взаимовръзки и времевите структури в данните от биосигнали.

Моделите адресират различни аспекти на анализа на данни от носими устройства. xMAE свързва два сърдечни сигнала, които измерват свързана активност чрез различни механизми. HiMAE анализира данни на кратки и дълги интервали, позволявайки на един предварително обучен модел да поддържа класификация, числово прогнозиране и генериране на данни.

xMAE свързва непрекъснати PPG данни с ECG сигнали

Електрокардиограмите, или ECG, измерват директно електрическата активност на сърцето. Samsung описва ECG като полезна за измерване на сърдечната честота и вариабилността на сърдечната честота. Тя може също да идентифицира нарушения на сърдечния ритъм и рискове, свързани със състояния като предсърдно мъждене.

Измерванията на ECG от носими устройства обикновено изискват потребителят да спре и да извърши активно измерване. Фотоплетизмографията, или PPG, използва различен подход. PPG открива промени в кръвотока и може да работи пасивно чрез сензори в носими устройства като смарт часовници.

И двата сигнала произлизат от сърдечната дейност. Те възникват с времева разлика, която Samsung сравнява с чуването на гръмотевица след появата на светкавица. xMAE изучава тази времева зависимост, като възстановява маскирани части от ECG сигнал въз основа на PPG данни.

Този дизайн има за цел да анализира характеристики на сърдечносъдовото здраве чрез непрекъснато измервани PPG данни, без отделни ръчни ECG измервания. Предварителното обучение на модела е използвало около 9400 часа ECG и PPG данни.

Субу Венкатраман, ръководител на лабораторията за изследвания в областта на дигиталното здраве в Samsung Research America, коментира: „Биосигналите по своята същност са динамични, с уникални физиологични свойства, изменящи се във времето. Основният принос на това изследване се състои в доказването на жизнеспособността на фундаментални модели за здраве, способни да улавят както взаимовръзките между сигналите, така и техните основополагащи времеви структури.

„Оставаме ангажирани с развитието на фундаменталните изследвания в областта на AI за здраве и превръщането им в здравни решения, които значимо подобряват здравето и благосъстоянието на хората.“

Samsung съобщава, че xMAE е надминал едномодалните модели за биосигнали и съществуващите методи за мултимодално обучение в 15 от 19 задачи за оценка. Тези задачи обхващат прогнозиране на сърдечносъдови заболявания, откриване на необичайни резултати от изследвания и класификация на етапите на съня. Компанията също така заявява, че научените характеристики показват потенциал за използване в различни сензорни устройства, местоположения върху тялото и среди за събиране на данни.

HiMAE анализира данни от носими устройства в различни времеви мащаби

Данните от носими устройства могат да съдържат различна информация за различни периоди от време. Кратките сегменти могат да показват бързо променящи се сигнали като сърдечни удари. По-дългите сегменти могат да разкриват модели, които се изграждат с течение на времето, като сън или физическа активност.

HiMAE използва множество енкодери, за да анализира отделно кратки и дълги сегменти от данни. Samsung заявява, че тази конфигурация позволява на модела да идентифицира времевия мащаб, необходим за дадена здравна задача. Така анализът на сърдечната честота и прогнозирането на съня могат да използват различни части от данните от времевите редове.

Методът на обучение възстановява маскирани части от данните от носими устройства. Samsung заявява, че това позволява на HiMAE да изучава модели от биосигнали, при които маркираните данни са ограничени. След това моделът поддържа класификация, числово прогнозиране и генериране на данни от една предварително обучена система.

Samsung заявява, че HiMAE е постигнал висока производителност с по-малък модел от съществуващите модели. Компанията също така съобщава, че той може да генерира резултати за по-малко от една милисекунда на централен процесор от клас на смарт часовник.

Твърдението за обработката поставя анализа на модела на самото устройство, а не на облачни сървъри. Фундаменталните модели, обучени върху немаркирани физиологични потоци, осигуряват механизъм за извличане на диагностични маркери, изпълнение на прогнозни здравни класификации и генериране на насоки за потребителите от потребителски хардуер — всичко това без постоянна свързаност със сървър.

Вижте също: AI здравен коуч на Google ще използва данни за глюкозата от Abbott

Искате ли да научите повече за AI и големите данни от водещи представители на индустрията? Посетете AI & Big Data Expo, което се провежда в Амстердам, Калифорния и Лондон. Всеобхватното събитие е част от TechEx и се провежда едновременно с други водещи технологични събития, включително Cyber Security & Cloud Expo. Кликнете тук за повече информация.

AI News се поддържа от TechForge Media. Разгледайте други предстоящи събития и уебинари за корпоративни технологии тук.