Des signaux biologiques aux informations sur la santé

L'intelligence artificielle est de plus en plus utilisée pour analyser les signaux biologiques mesurés par des appareils portables tels que les montres intelligentes. En reconnaissant des modèles significatifs dans les données de santé, y compris le sommeil, la fréquence cardiaque et l'activité physique, l'intelligence artificielle aide les utilisateurs à mieux comprendre et gérer leur santé.

Lors d'un forum sur les soins de santé organisé lors de l'événement Galaxy Unpacked en juillet 2026, Samsung a présenté sa vision des soins connectés, Connected Care, envisageant le prochain chapitre de la santé numérique, un avenir où les soins passent du traitement réactif à des expériences préventives, personnelles et connectées soutenues par des innovations et des partenariats de soins de santé dignes de confiance dans l'ensemble de l'écosystème des soins de santé.

Les chercheurs de l'équipe de santé numérique de Samsung chez Samsung Research America (SRA) développent de nouvelles technologies d'IA qui comprennent continuellement l'état de santé humaine en fonction de signaux biologiques, créent des informations sur la santé et fournissent des conseils de santé appropriés. Les chercheurs de Samsung ont récemment introduit deux modèles de base conçus à l'aide de données de dispositifs portables: xMAE (reconstruction multimodal masquée physiologiquement consciente pour apprendre la représentation des signaux biologiques), qui apprend la relation temporelle entre différents signaux biologiques, et HiMAE (auto-codeur masqué hiérarchique), qui comprend les modèles de santé à différentes échelles de temps dans les données de séries chronologiques des dispositifs portables.

Les deux études démontrent des progrès dans les modèles de soins de santé de l'intelligence artificielle capables de mieux comprendre les conditions physiologiques et la structure temporelle des signaux biologiques. Le travail de Samsung sur les modèles xMAE et HiMAE a été accepté à la Conférence internationale sur l'apprentissage automatique et à la Conférence internationale sur les représentations d'apprentissage, soulignant l'importance de ces efforts de recherche. Modèles de fondation de la santé, lecture des signaux du corps: pourquoi ils sont importants pour la santé Un modèle de fondation de la santé est un modèle d'IA qui utilise l'apprentissage auto-surveillé pour apprendre des caractéristiques importantes à partir de données non étiquetées de signaux biologiques.

Après une formation préalable sur des données médicales approfondies, ces modèles peuvent être utilisés pour effectuer un large éventail de tâches médicales ultérieures, y compris l'analyse de signaux biologiques, le développement d'indicateurs biologiques nouveaux ou améliorés et la prédiction de problèmes de santé.

Un électrocardiogramme est très précis, mais nécessite généralement que les utilisateurs prennent une pause et le mesurent activement. D'autre part, la photopléthysmographie mesure indirectement la fonction cardiaque en détectant les changements dans le flux sanguin et peut être mesurée de manière passive et continue avec des capteurs dans des appareils portables tels que les montres intelligentes.

xMAE est un cadre de pré-formation pour les signaux biologiques conçu pour apprendre la relation temporelle entre les deux signaux en reconstruisant des parties masquées du signal d'électrocardiogramme en utilisant le signal de photoplethysmographie, qui est plus facile et mesurable en continu. En conséquence, les caractéristiques liées à la santé cardiovasculaire peuvent être analysées avec plus de précision en utilisant la photoplethysmographie sans avoir besoin de mesures manuelles séparées de l'électrocardiogramme. Les chercheurs ont formé le modèle xMAE en utilisant environ 9 400 heures de données d'électrocardiogramme et de photoplethysmographie. Le modèle a dépassé les modèles non modaux des signaux biologiques et des modèles existants.