LJUBLJANA, 14. avgust 2026 - Umetna inteligenca se široko uporablja za analizo bioloških signalov, izmerjenih z nosljivimi napravami, kot so pametne ure. S prepoznavanjem pomembnih vzorcev v zdravstvenih podatkih, vključno s spanjem, srčnim utripom in telesno dejavnostjo, umetna inteligenca uporabnikom pomaga bolje razumeti in upravljati svoje zdravje.

Na zdravstvenem forumu, ki je potekal v sklopu dogodka Galaxy Unpacked julija 2026, so predstavili tudi Samsungovo vizijo povezane oskrbe Connected Care za naslednje poglavje digitalnega zdravja, prihodnost, v kateri se skrb premika od reaktivnega zdravljenja k preventivnim, osebnim in povezanim izkušnjam, podprtih z zaupanja vrednimi zdravstvenimi inovacijami in partnerstvi v celotnem zdravstvenem ekosistemu. Ena od tehnologij, ki poganja te nove potrošniške izkušnje, je zdravstveni temeljni model. 

Raziskovalci iz ekipe za digitalno zdravje pri Samsung Research America (SRA) razvijajo nove tehnologije umetne inteligence, ki neprekinjeno razumejo človekovo zdravstveno stanje na podlagi bioloških signalov, ustvarjajo zdravstvene vpoglede in ponujajo ustrezno zdravstveno usmerjanje. 

Samsungovi raziskovalci so nedavno predstavili dva temeljna modela, zasnovana na podatkih nosljivih naprav: xMAE (fiziološko ozaveščena maskirana medmodalna rekonstrukcija za učenje predstavitve bioloških signalov), ki se uči časovnega razmerja med različnimi biološkimi signali, in HiMAE (hierarhični zamaskirani samodejni kodirnik), ki razume zdravstvene vzorce na različnih časovnih lestvicah v časovnih nizih podatkov nosljivih naprav. Obe študiji prikazujeta napredek zdravstvenih modelov umetne inteligence, ki lahko bolje razumejo fiziološka razmerja in časovno strukturo bioloških signalov. 

Samsungovo delo na modelih xMAE in HiMAE je bilo sprejeto na Mednarodno konferenco o strojnem učenju (Conference on Machine Learning) in na Mednarodno konferenco o učenju predstavitev (International Conference on Learning Representations), kar poudarja pomen teh raziskav. 

Zdravstveni temeljni modeli, ki berejo signale telesa: zakaj so pomembni za zdravje 

Zdravstveni temeljni model je model umetne inteligence, ki uporablja samonadzorovano učenje za učenje pomembnih značilnosti iz neoznačenih podatkov bioloških signalov. Po predhodnem učenju na obsežnih zdravstvenih podatkih je mogoče modele uporabiti za izvajanje širokega nabora nadaljnjih zdravstvenih nalog, vključno z analizo bioloških signalov, razvojem novih ali izboljšanih bioloških označevalcev in napovedovanjem zdravstvenih težav. 

Model umetne inteligence xMAE: neprekinjen vpogled v delovanje srca prek nosljivih naprav 

Elektrokardiogram na nosljivih napravah neposredno meri električno aktivnost srca in je uporaben za merjenje srčnega utripa in variabilnosti srčnega utripa, prepoznavanje nepravilnih srčnih ritmov ter tveganj za stanja, kot je atrijska fibrilacija. Elektrokardiogram je zelo natančen, vendar običajno zahteva, da uporabniki naredijo premor in izvedejo aktivno meritev. Po drugi strani lahko fotopletizmografija posredno meri delovanje srca z zaznavanjem sprememb v pretoku krvi in jo je mogoče pasivno ter neprekinjeno meriti s senzorji v nosljivih napravah, kot so pametne ure. 

Oba signala izvirata iz iste srčne aktivnosti, vendar se pojavita z določenim časovnim zamikom, podobno kot se grom sliši po tem, ko vidimo blisk. xMAE je ogrodje za predhodno učenje bioloških signalov, zasnovano za učenje časovnega razmerja med obema signaloma s tem, da rekonstruira zamaskirane dele signala elektrokardiograma z uporabo signala fotopletizmografije, ki ga je lažje in neprekinjeno meriti. Posledično je mogoče značilnosti, povezane s srčno-žilnim zdravjem, natančneje analizirati z uporabo fotopletizmografije brez potrebe po ločenih ročnih meritvah elektrokardiograma. 

Raziskovalci so model xMAE predhodno učili z uporabo približno 9.400 ur podatkov elektrokardiograma in fotopletizmografije. Model je presegel enomodalne modele bioloških signalov in obstoječe metode večmodalnega učenja pri 15 od 19 evalvacijskih nalogah, vključno z napovedovanjem srčno-žilnih bolezni, zaznavanjem nenormalnih rezultatov testov in razvrščanjem spalnih stopenj. Študija je prav tako potrdila možnost uporabe naučenih značilnosti na različnih senzorskih napravah, delih telesa in okoljih zbiranja podatkov. 

Model umetne inteligence HiMAE: branje telesa na vsaki časovni lestvici na napravi 

Zdravstveni podatki, izmerjeni z nosljivimi napravami, lahko razkrijejo različne informacije glede na časovno lestvico, na kateri so analizirani. Na primer, kratki časovni odseki lahko razkrijejo hitro spreminjajoče se signale, kot so srčni utripi, medtem ko daljši časovni odseki lahko odkrijejo vzorce, ki se kopičijo skozi čas, kot sta spanje ali telesna dejavnost. To je podobno preučevanju različnih informacij s približevanjem ali oddaljevanjem slike. 

HiMAE je samonadzorovan učni model, ki se uči predstavitev iz podatkov nosljivih naprav na več časovnih lestvicah. Uporablja več kodirnikov za ločeno analizo kratkih in dolgih odsekov, kar modelu omogoča prepoznavanje informacij, potrebnih za posamezno zdravstveno nalogo, kot sta analiza srčnega utripa ali napovedovanje spanja, na ustrezni časovni lestvici. Med učenjem model rekonstruira zamaskirane dele podatkov. To mu omogoča učenje ključnih vzorcev v bioloških signalih, tudi kadar je označenih podatkov malo. 

En sam predhodno naučen model HiMAE obravnava razvrščanje, numerično napovedovanje in generiranje podatkov. Model je dosegel visoko zmogljivost, hkrati pa je manjši od obstoječih modelov. Prav tako je izboljšal računsko učinkovitost do te mere, da lahko ustvari rezultate v manj kot eni milisekundi na procesni enoti razreda pametne ure. Najpomembneje je, da HiMAE prvič prikazuje potencial zdravstvenih temeljnih modelov na napravi, ki analizirajo surove zdravstvene signale v realnem času brez zanašanja na strežnike v oblaku. 

Naslednji korak do povezane skrbe 

Skupaj predstavljata xMAE in HiMAE napredek modelov umetne inteligence, ki natančno razumejo fiziološka razmerja in časovne strukture, značilne za biološke signale. Oba modela si prizadevata zagotavljati natančne, neprekinjene in osebne zdravstvene vpoglede in se posplošiti na številne zdravstvene naloge iz enega predhodno naučenega modela. 

Spodaj delimo še izjavi raziskovalcev, ki stojita za tem delom: 

Sharanya Desai: Ekipa za digitalno zdravje, Samsung Research America 

»Ta raziskava je pomembna, ker postavlja tehnične temelje za zagotavljanje zdravstvenih vpogledov, ki so učinkoviti, natančni in neprekinjeni prek zdravstvenega temeljnega modela. Nadaljevali bomo z razvojem in napredkom zdravstvenih temeljnih modelov, ki jih je mogoče uporabiti za različne biološke signale in zdravstvene značilnosti, ki lahko delujejo na napravi z omejenimi senzorji in računalniškimi viri.« 

Subbu Venkatraman: Ekipa za digitalno zdravje, Samsung Research America 

»Biološki signali so po svoji naravi dinamični, z edinstvenimi fiziološkimi lastnostmi, ki se spreminjajo skozi čas. Ključni prispevek te raziskave je v dokazovanju izvedljivosti zdravstvenih temeljnih modelov, sposobnih zajemanja tako medsignalnih razmerij kot njihovih osnovnih časovnih struktur. Ostajamo zavezani napredku temeljnih raziskav umetne inteligence na področju zdravja in njihovemu prenosu v zdravstvene rešitve, ki smiselno izboljšujejo zdravje ter dobro počutje ljudi.« 

### 

O podjetju Samsung Electronics 

Samsung navdihuje svet in oblikuje prihodnost s prelomnimi idejami in tehnologijami. Podjetje na novo opredeljuje svet televizorjev, digitalnih prikazovalnikov, pametnih telefonov, nosljivih naprav, tablic, gospodinjskih aparatov in omrežnih sistemov, pa tudi pomnilniških rešitev, sistemskih rešitev LSI in proizvodnje čipov (foundry). Samsung napreduje tudi na področju medicinskega slikanja, rešitev za ogrevanje, prezračevanja in klimatizacije (HVAC) ter robotike, hkrati pa ustvarja inovativne izdelke za avtomobilsko industrijo in avdio prek podjetja Harman. S svojim ekosistemom SmartThings, odprtim sodelovanjem s partnerji in vključevanjem umetne inteligence v celoten portfelj izdelkov Samsung omogoča inteligentno in povezano uporabniško izkušnjo. Za najnovejše novice obiščite Samsung Newsroom na spletni strani news.samsung.com. 

VIR: Millenium Promocija