Samsung apresenta modelos de IA que analisam dados de saúde em smartwatches sem usar a nuvem.

A Samsung Research apresentou dois modelos de IA de base capazes de analisar biossinais diretamente no hardware de smartwatches, marcando o que a empresa descreve como a primeira demonstração de modelos de base de saúde on-device para wearables.

Dois Modelos, Dois Problemas

Os modelos — xMAE e HiMAE — foram desenvolvidos pela Equipe de Saúde Digital da Samsung Research America e detalhados em uma publicação na redação da Samsung em 13 de agosto. Ambos foram aceitos em importantes conferências de IA: o xMAE na International Conference on Machine Learning (ICML) e o HiMAE na International Conference on Learning Representations (ICLR).

O xMAE, ou Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning, aborda uma limitação prática do monitoramento cardíaco em dispositivos vestíveis. As leituras do eletrocardiograma são desligadas para que o usuário pare e realize a medição, enquanto os sensores de fotopletismografia rastreiam o fluxo sanguíneo de forma passiva e contínua. Os dois sinais são originados da mesma atividade cardíaca, mas aparecem com um intervalo de tempo entre si. O xMAE aprende a relação temporal entre eles, permitindo o monitoramento cardíaco apenas com base no PPG.

Pré-treinado em aproximadamente 9.400 horas de dados pareados de ECG e PPG, o xMAE superou as abordagens unimodais e multimodais existentes em 15 das 19 tarefas de avaliação, abrangendo predição de doenças cardiovasculares, detecção de resultados de exames anormais e classificação de fases do sono.

O HiMAE, ou Hierarchical Masked Autoencoder (Autoencoder Mascarado Hierárquico), enfrenta o desafio das escalas de tempo. Os corações cardíacos ocorrem em milissegundos, os padrões de sono se estendem ao longo de horas e as tendências de atividade surgem ao longo de dias. O HiMAE utiliza múltiplos codificadores para analisar segmentos curtos e longos simultaneamente, aprendendo características em diferentes resoluções temporais.

Desempenho no Dispositivo, Abaixo de Um Milissegundo

O destaque mais notável é a eficiência do HiMAE: a Samsung afirma que ele produz resultados em menos de um milissegundo em uma CPU de smartwatch, permitindo análise em tempo real sem necessidade de conexão com a nuvem. Um único modelo pré-treinado lida com classificação, previsão numérica e geração de dados, sendo ainda menor do que modelos comparáveis.

Ambos os modelos utilizam aprendizado autossupervisionado, identificando padrões em dados de biossinais não rotulados antes de serem ajustados para tarefas específicas, como desenvolvimento de biomarcadores e previsão de problemas de saúde.

Estratégia de Saúde Conectada

A pesquisa se insere na visão mais ampla de Saúde Conectada da Samsung, apresentada no Galaxy Unpacked em julho de 2026, que posiciona a estratégia de saúde da empresa em torno de monitoramento preventivo e personalizado, sustentada por parcerias em todo o ecossistema de saúde. A Samsung descreveu os modelos como uma infraestrutura para transformar dispositivos vestiveis em estações de monitoramento contínuo da saúde — processando dados biossignais sensíveis localmente, em vez de transmiti-los para servidores remotos.

Ainda restam dúvidas sobre o desempenho de modelos em diversas regiões, o impacto do processamento contínuo de IA no dispositivo sobre a duração da bateria, e como a Samsung vai lidar com os requisitos regulatórios à medida que essas funcionalidades se aproximam de diagnósticos de grau médico.

#Samsung