Desde las señales biológicas hasta las perspectivas de salud

LJUBLJANA, 15 de agosto de 2026, La inteligencia artificial se utiliza cada vez más para analizar las señales biológicas medidas por dispositivos portátiles como los relojes inteligentes. Al reconocer patrones significativos en los datos de salud, incluido el sueño, la frecuencia cardíaca y la actividad física, la inteligencia artificial ayuda a los usuarios a comprender y administrar mejor su salud.

En un foro de atención médica celebrado durante el evento Galaxy Unpacked en julio de 2026, Samsung presentó su visión para la atención conectada, Connected Care, imaginando el próximo capítulo de la salud digital, un futuro en el que la atención pasa del tratamiento reactivo a experiencias preventivas, personales y conectadas respaldadas por innovaciones y asociaciones de atención médica confiables en todo el ecosistema de atención médica. Una de las tecnologías que impulsan estas nuevas experiencias de consumo es el modelo de fundación de atención médica.

Los investigadores del equipo de Salud Digital de Samsung en Samsung Research America (SRA) están desarrollando nuevas tecnologías de IA que entienden continuamente el estado de salud humana basado en señales biológicas, crean información sobre la salud y proporcionan orientación de salud apropiada. Los investigadores de Samsung presentaron recientemente dos modelos fundamentales diseñados utilizando datos de dispositivos portátiles: xMAE (reconstrucción multimodal enmascarada con conciencia fisiológica para el aprendizaje de la representación de señales biológicas), que aprende la relación temporal entre diferentes señales biológicas, y HiMAE (autocodificador enmascarado jerárquico), que entiende los patrones de salud en diferentes escalas de tiempo dentro de los datos de series temporales de dispositivos portátiles.

Ambos estudios demuestran el progreso en los modelos de atención médica de inteligencia artificial capaces de comprender mejor las condiciones fisiológicas y la estructura temporal de las señales biológicas. El trabajo de Samsung en los modelos xMAE y HiMAE ha sido aceptado en la Conferencia Internacional de Aprendizaje Automático y la Conferencia Internacional de Representaciones de Aprendizaje, destacando la importancia de estos esfuerzos de investigación.

Después de una capacitación previa en datos de atención médica extensa, estos modelos se pueden utilizar para realizar una amplia gama de tareas de atención médica posteriores, incluido el análisis de señales biológicas, el desarrollo de indicadores biológicos nuevos o mejorados y la predicción de problemas de salud. El modelo AI xMAE: visión continua de la función cardíaca a través de dispositivos portátiles Un electrocardiograma en dispositivos portátiles mide directamente la actividad eléctrica del corazón y es útil para medir la frecuencia cardíaca y la variabilidad de la frecuencia cardíaca, identificar ritmos cardíacos irregulares y detectar riesgos para afecciones como la fibrilación auricular.

Un electrocardiograma es altamente preciso, pero por lo general requiere que los usuarios tomen un descanso y lo midan activamente. Por otro lado, la fotopletismografía mide indirectamente la función cardíaca mediante la detección de cambios en el flujo sanguíneo y se puede medir pasiva y continuamente con sensores en dispositivos portátiles como relojes inteligentes. Ambas señales se originan de la misma actividad cardíaca, pero aparecen con un cierto retraso de tiempo, similar a cómo se escucha el trueno después de ver un rayo.

xMAE es un marco de pre-entrenamiento para señales biológicas diseñado para aprender la relación temporal entre ambas señales mediante la reconstrucción de partes enmascaradas de la señal del electrocardiograma utilizando la señal de fotopletimografía, que es más fácil y medible continuamente. Como resultado, las características relacionadas con la salud cardiovascular se pueden analizar con mayor precisión utilizando fotopletimografía sin la necesidad de mediciones manuales separadas del electrocardiograma. Los investigadores entrenaron el modelo xMAE utilizando aproximadamente 9.400 horas de datos de electrocardiograma y fotopletimografía. El modelo superó los modelos unimodal de señales biológicas y los existentes.