Samsung Health'in yapay zeka modelleri, giyilebilir cihazlardan elde edilen biyosinyal verilerini analiz ediyor.
Özet
Samsung Research America’nın Dijital Sağlık Ekibi, akıllı saatler gibi giyilebilir cihazlardaki biyosinyal verilerini analiz etmek üzere tasarlanmış iki yapay zeka temel modeli geliştirmiştir. Kendi kendine denetimli öğrenme kullanan xMAE ve HiMAE adlı bu modeller; biyosinyal analizi, biyobelirteç geliştirme ve sağlık sorunu tahmini gibi görevleri desteklemektedir. Bu araştırma, cihaz üzerinde çalışabilen verimli ve hassas sağlık içgörüleri sunarak Samsung'un önleyici ve kişiselleştirilmiş bağlantılı bakım vizyonuna katkı sağlamaktadır.
Samsung Research America’s Digital Health Team, giyilebilir biyosinyallerden öğrenmek üzere tasarlanmış iki yapay zeka temel modeli sundu. Çalışma, akıllı saatler tarafından yakalanan kalp aktivitesi, uyku ve fiziksel aktivite verilerine odaklanıyor.
Şirket, Temmuz 2026'daki Galaxy Unpacked sırasında düzenlenen Sağlık Forumu'nda Bağlantılı Bakım vizyonunu tartıştı. Samsung; sağlık teknolojisi ve sağlık hizmetleri ortaklıklarıyla desteklenen önleyici, kişiselleştirilmiş ve bağlantılı bir bakım geleceğini tanımladı. Araştırma ekibi, sağlık temel modellerini yeni tüketici sağlığı deneyimlerinin bir bileşeni olarak konumlandırıyor.
Samsung Research America Dijital Sağlık Algoritmaları Başkanı Sharanya Desai şunları söyledi: "Bu araştırma önemlidir çünkü bir sağlık temel modeli aracılığıyla verimli, hassas ve kesintisiz sağlık içgörüleri sunmak için teknik temel oluşturmaktadır."
"Çeşitli biyosinyallere ve sağlık özelliklerine uygulanabilen, sınırlı sensörler ve bilgi işlem kaynaklarıyla cihaz üzerinde çalışabilen sağlık temel modellerini geliştirmeye ve ilerletmeye devam edeceğiz."
Samsung'un sağlık yapay zeka temel modeli araştırması
Bir sağlık temel modeli, etiketlenmemiş biyosinyal verilerindeki özelliklerini belirlemek için kendi kendine denetimli öğrenme kullanır. Samsung, büyük sağlık veri setleri üzerinde ön eğitimin yapılmasının; tek bir modelin biyosinyal analizi, biyobelirteç geliştirme ve sağlık sorunu tahmini gibi alt görevleri desteklemesine olanak tanıdığını belirtiyor.
Araştırma, farklı amaçlara sahip iki modeli kapsamaktadır. Fizyoloji Bilinçli Maskelenmiş Çapraz-Modal Yeniden Yapılandırma (Physiology-Aware Masked Cross-Modal Reconstruction) ifadesinin kısaltması olan xMAE, farklı biyosinyaller arasındaki zamansal ilişkileri öğrenir. HiMAE veya Hiyerarşik Maskeli Otomatik Kodlayıcı (Hierarchical Masked Autoencoder), giyilebilir zaman serisi verilerindeki birden fazla zaman ölçeğinde sağlık kalıplarını öğrenir.
Samsung, xMAE'nin Uluslararası Makine Öğrenimi Konferansı'na kabul edildiğini belirtiyor. HiMAE ise Uluslararası Öğrenme Temsilleri Konferansı'na kabul edildi. Şirket her iki çalışmayı da biyosinyal verilerindeki fizyolojik ilişkiler ve zamansal yapılar üzerine yapılan çalışmalar olarak tanımlıyor.
Modeller, giyilebilir cihaz veri analizinin farklı yönlerini ele almaktadır. xMAE, ilgili aktiviteyi farklı mekanizmalar aracılığıyla ölçen iki kardiyak sinyali birbirine bağlar. HiMAE, verileri kısa ve uzun aralıklarla analiz ederek önceden eğitilmiş tek bir modelin sınıflandırma, sayısal tahmin ve veri oluşturmayı desteklemesine olanak tanır.
Elektrokardiyogramlar veya EKG'ler, kalbin elektriksel aktivitesini doğrudan ölçer. Samsung, EKG'yi kalp atış hızı ve kalp atış hızı değişkenliğini ölçmek için yararlı olarak tanımlar. Ayrıca anormal kalp ritimlerini ve atriyal fibrilasyon gibi durumlarla ilişkili riskleri belirleyebilir.
Giyilebilir EKG okumaları genellikle kullanıcının duraklamasını ve aktif bir ölçüm yapmasını gerektirir. Fotopletizmografi veya PPG farklı bir yaklaşım benimser. PPG, kan akışındaki değişiklikleri tespit eder ve akıllı saatler gibi giyilebilir cihazlardaki sensörler aracılığı pasif olarak çalışabilir.
Her iki sinyal de kardiyak aktiviteden kaynaklanır. Samsung'un şimşeği gördükten sonra gök gürültüsünü duymaya benzettiği bir zaman farkıyla meydana gelirler