三星健康AI模型分析可穿戴生物信号数据

三星研究院美国数字健康团队近日发布两款AI基础模型，专为从可穿戴设备生物信号中学习而设计。这两项研究基于智能手表收集的心率、睡眠、活动等数据，是三星在2026年Galaxy Unpacked大会健康论坛上提出的"互联护理"愿景的核心技术支撑。

这两个模型通过自监督学习技术从无标注生物信号数据中提取特征，预训练于大规模健康数据集后，可支持生物信号分析、生物标志物开发及健康问题预测等下游任务。其中，xMAE（生理感知跨模态生物信号表示学习）专注学习不同生物信号间的时间关系，HiMAE（分层掩码自编码器）则分析多时间尺度的健康模式。

xMAE（被ICML会议接受）通过PPG信号重建ECG信号的时间关系，无需手动测量ECG即可利用PPG数据分析心血管健康。其预训练使用约9400小时的ECG和PPG数据，成功连接连续PPG与ECG信号，解决不同机制测量的心脏活动关联问题。

HiMAE（被ICLR会议接受）能分析短长期数据间隔，通过单一预训练模型支持分类、数值预测及数据生成，覆盖多时间尺度的可穿戴设备时序数据模式学习。

研究团队表示，模型通过捕捉生物信号间的关系和时间结构，填补了可穿戴数据多维度分析的空白。该成果将推动AI技术转化为实用医疗解决方案，助力更精准的健康管理。