Samsung laat AI hartsignalen lezen op het horloge zelf
Samsung Research America heeft twee AI-modellen gepresenteerd die de ruwe signalen van een smartwatch omzetten in bruikbare gezondheidsinzichten. Het bijzondere zit niet in de omvang, maar in het tegenovergestelde: de modellen zijn klein genoeg om op de processor van het horloge zelf te draaien. Beide zijn geaccepteerd voor ICML en ICLR, wat betekent dat het onderzoek langs wetenschappelijke review is gegaan en niet alleen langs een persbericht.
Twee modellen, twee problemen
Het eerste model heet xMAE. Dat leert het verband tussen verschillende soorten biosignalen, in dit geval tussen PPG (de optische hartslagmeting die elke smartwatch aan de onderkant heeft) en ECG (de elektrische hartmeting, die veel nauwkeuriger is maar niet continu wordt gemeten). Samsung trainde het model op ongeveer 9.400 uur aan gekoppelde ECG- en PPG-opnames. Volgens de onderzoekers presteert xMAE beter dan bestaande methodes op 15 van de 19 geteste taken, waaronder het voorspellen van hart- en vaatziekten, het signaleren van afwijkende testuitslagen en het classificeren van slaap.
Het tweede model, HiMAE, kijkt naar patronen op verschillende tijdschalen tegelijk. Een hartritmestoornis speelt zich af in seconden, een verstoord slaapritme in weken. HiMAE gebruikt meerdere encoders naast elkaar om beide te vangen, en kan vanuit één voorgetraind netwerk classificeren, voorspellen en data genereren.
Onder de milliseconde, op het horloge
Het cijfer waar Samsung zelf het meeste gewicht aan hangt: HiMAE levert een resultaat in minder dan een milliseconde op een processor van smartwatch-klasse. Geen serververbinding, geen wachttijd, geen batterij die leegloopt op een radioverbinding. Dat is een andere richting dan de meeste AI van dit moment, waar de rekenkracht in een datacenter zit. Google koos bij de Pixel 11 met de Tensor G6 voor een vergelijkbare route en draait Gemini deels lokaal op het toestel.
Voor gezondheidsdata telt dat zwaarder dan voor de meeste andere toepassingen. Wie continu hartritme en slaap meet, produceert een van de gevoeligste datasets die er bestaat. Blijft die op het apparaat, dan verdwijnt een groot deel van het lekrisico. De week liet zien hoe reëel dat risico is: bij het datalek bij AI-notulist tl;dv lagen 181.874 vergaderingen op straat. Google werkt aan AI-inferentie op versleutelde data om hetzelfde probleem van de andere kant aan te pakken.
Zelflerend zonder labels
De techniek erachter is self-supervised learning op ongelabelde data. In plaats van duizenden metingen door artsen te laten annoteren, verstopt Samsung stukken van het signaal en laat het model die reconstrueren. Wat het model daarbij leert over de structuur van hartslag en ademhaling, is daarna bruikbaar voor uiteenlopende taken. Precies wat een foundation model doet, alleen dan met golfvormen in plaats van tekst.
Het past in de bredere beweging waarin medische AI van demo naar praktijk schuift. Google testte AMIE in videoconsulten met beoordelingen op huisartsniveau, en Novo Nordisk zette met AWS agentische AI in bij medicijnonderzoek.
Wat betekent dit
Voor wie een smartwatch draagt, betekent dit op termijn detectie die niet wacht op een synchronisatie met de telefoon. Voor de markt is het een signaal dat kleine, gespecialiseerde modellen op eigen hardware een serieuze plek innemen naast de grote modellen in de cloud. Samsung sprak zijn Connected Care-visie uit tijdens Galaxy Unpacked in juli, en dit onderzoek vult die in met techniek in plaats van beloftes.
Eén kanttekening blijft staan. Betere voorspellingen op een testset zijn iets anders dan klinisch bewezen waarde. Zolang de resultaten uit onderzoekspapers komen en niet uit goedgekeurde medische toepassingen, is het verstandig om ze te lezen als wat ze zijn: veelbelovend onderzoek dat de weg naar het polshorloge nog moet afleggen.
