Як смарт-годинник вчиться розпізнавати серцевий ритм без ЕКГ-сенсора?

Дві моделі — одне зап'ястя

Команда Digital Health у Samsung Research America представила xMAE та HiMAE. Статті прийнято до ICML та ICLR. Обидві — моделі-фундаменти для охорони здоров'я: системи, попередньо натреновані на великих масивах немаркованих біосигналів, щоб пізніше адаптуватися до багатьох задач без нових міток. Пара працює з тими самими сировими потоками: частота серця, вариабельність ритму, фази сну, активність. Але вирішують різні проблеми.

Одна модель вивчає тимчасовий зв'язок між двома сигналами, що походять від одного ж серцевого скорочення. Інша — зчитує їх на декількох часових шкалах безпосередньо на пристрої. Разом вони переносять аналіз з хмари на годинник.

xMAE: позичаємо ЕКГ-ритм від світла

Електрокардіограмма на годиннику вимірює електричну активність серця безпосередньо. Вона точна, але вимагає зупинитися, торкнутися обода, почекати. Фотоплетізмографія використовує зелені LED, щоб фіксувати зміни об'єму крові під шкірою. Вона працює пасивно цілий день. Обидва сигнали мають спільне фізіологічне джерело, але приходять до сенсора з фіксованою затримкою — як грім після блискавки.

Цей фреймворк попереднього навчання відновлює замасковані фрагменти ЕКГ-форми за одночасно записаним PPG-потоком. Дослідники згодували модель приблизно 9400 годин парних записів ЕКГ та PPG. Після попереднього навчання система перевершила унімодальні базові лінії та існуючі мультимодальні методи у 15 з 19 оціночних задач. Серед них — прогнозування серцево-судинних захворювань, виявлення аномальних результатів тестів. Класифікація фаз сну також входить у список. Отримані ознаки переносяться на інше сенсорне обладнання, місця розміщення на тілі та умови запису.

HiMAE: модель, що поміщається в годинник

Медичні дані показують різні патерни на різних роздільностях. Кілька секунд — окремі скорочення. Хвилини — цикли сну. Години — тренди активності.

HiMAE застосовує окремі енкодери для коротких та довгих вікон, потім об'єднує представлення. Під час самоспрямованого навчання вона відновлює замасковані сегменти, вчачись розпізнавати структури, важливі для кожної задачі.

Одина попередньо натренована модель HiMAE вирішує класифікацію та числову регресію. Генерація даних — третя здатність. Вона менша за попередні архітектури та видає результат менше ніж за мілісекунду на процесорі рівня смарт-годинника. Така швидкість робить її першою демонстрованою на пристрої моделлю-фундаментом для здоров'я. Сирові сигнали залишаються на зап'ясті. Хмарний round-trip не потрібен.

Що змінюється для людини, що носить годинник

Візія Connected Care, показана на Galaxy Unpacked у липні 2026, описує зсув від реактивного лікування до профілактичних, персоналізованих досвідів. З'єднані сервіси — окрема складова. xMAE та HiMAE — технічна база для цього зсуву.

Годинник, що безперервно виводить ознаки рівня ЕКГ з PPG, може сигналізувати про ризик фібриляції передсердь без ініціації виміру користувачем. Годинник, що класифікує фази сну та прогнозує серцево-судинні маркери локально, видає інсайти в реальному часі, поки батарея тримає дні.

Оголошення не каже, коли ці моделі потраплять у прошивку Galaxy Watch. Не розкриває, скільки годин маркованих даних потрібно для донавчання після претренування. Не повідомляє про результати клінічних випробувань чи статус регуляторного дозволу. Але показує: основні дослідницькі проблеми — крос-модальне вирівнювання, мультимасштабне представлення, інференс на пристрої — мають робочі рішення, що працюють на кремнії, вже прив'язаному до зап'ястя.