ข้ามไปเนื้อหาหลัก

Samsung เผยโฉม 2 โมเดล AI วิเคราะห์ข้อมูลไบโอซิกนัลจากอุปกรณ์สวมใส่

Samsung Research America เสนอโมเดล AI สองตัว ได้แก่ xMAE และ HiMAE สำหรับประมวลผลข้อมูลชีวภาพจากสมาร์ทวอทช์เพื่อการดูแลสุขภาพเชิงป้องกัน

เรียบเรียงโดย AI
Inewgen
15 Aug 2026ที่มา: AI News3 นาทีอ่าน (0 ครั้ง)
แชร์
Samsung เผยโฉม 2 โมเดล AI วิเคราะห์ข้อมูลไบโอซิกนัลจากอุปกรณ์สวมใส่

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ขนาดตัวอักษร
  • Samsung Research America พัฒนา 2 โมเดล AI มูลฐานสำหรับวิเคราะห์ข้อมูลไบโอซิกนัลจากสมาร์ทวอทช์
  • โมเดล xMAE และ HiMAE ผ่านการยอมรับในงานประชุมวิชาการระดับสากล ICML และ ICLR
  • xMAE เชื่อมโยงสัญญาณ ECG และ PPG เพื่อวิเคราะห์โรคหัวใจโดยไม่ต้องตรวจ ECG แยกต่างหาก
  • HiMAE ประมวลผลข้อมูลอนุกรมเวลาหลายช่วงเวลา ทำงานบนสมาร์ทวอทช์ได้ในเวลาไม่ถึงหนึ่งมิลลิวินาที

Samsung Research America ฝ่ายวิจัยดิจิทัลเฮลท์ ได้นำเสนอโมเดล AI มูลฐานสองตัวที่ออกแบบมาเพื่อเรียนรู้จากข้อมูลไบโอซิกนัลผ่านอุปกรณ์สวมใส่ โดยมุ่งเน้นข้อมูลจากสมาร์ทวอทช์ ทั้งอัตราการเต้นของหัวใจ การนอนหลับ และกิจกรรมทางกาย ซึ่งบริษัทได้เผยวิสัยทัศน์ Connected Care ในงาน Health Forum ระหว่างงาน Galaxy Unpacked เมื่อเดือนกรกฎาคม 2026 โดยระบุถึงอนาคตของการดูแลสุขภาพเชิงป้องกันและเฉพาะบุคคล

Sharanya Desai หัวหน้าฝ่ายอัลกอริทึมดิจิทัลเฮลท์ของ Samsung Research America กล่าวว่า งานวิจัยนี้วางรากฐานทางเทคนิคสำหรับการส่งมอบข้อมูลเชิงลึกด้านสุขภาพที่มีประสิทธิภาพ แม่นยำ และต่อเนื่องผ่านโมเดล AI มูลฐาน พร้อมระบุว่าจะพัฒนาโมเดลที่สามารถทำงานบนอุปกรณ์ที่มีเซ็นเซอร์และทรัพยากรการประมวลผลจำกัดต่อไป

9,400ชั่วโมงของข้อมูล ECG และ PPG ที่ใช้ฝึกอบรม xMAE
15 จาก 19งานประเมินผลที่ xMAE ทำผลงานเหนือกว่ารุ่นอื่น

โมเดลทั้งสองตัวมีเป้าหมายต่างกันคือ xMAE (Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning) เรียนรู้ความสัมพันธ์เชิงเวลาระหว่างไบโอซิกนัลต่างๆ ส่วน HiMAE (Hierarchical Masked Autoencoder) เรียนรู้รูปแบบสุขภาพจากอนุกรมเวลาหลายช่วงเวลา โดย xMAE ได้รับการยอมรับจาก International Conference on Machine Learning และ HiMAE จาก International Conference on Learning Representations

smartwatch biosignal data monitoring technology

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ในแง่การทำงาน xMAE เชื่อมโยงสัญญาณคลื่นไฟฟ้าหัวใจ (ECG) และการตรวจวัดปริมาณเลือดที่ไหลเวียนผ่านผิวหนัง (PPG) โดยใช้ข้อมูลการฝึกอบรมกว่า 9,400 ชั่วโมง เพื่อวิเคราะห์โรคหัวใจและหลอดเลือดจากการวัดค่า PPG ต่อเนื่องโดยไม่ต้องกดวัด ECG แบบแมนนวล ส่วน HiMAE ใช้ตัวเข้ารหัสหลายตัวแยกวิเคราะห์ข้อมูลช่วงสั้นและช่วงยาว ช่วยให้ประมวลผลได้รวดเร็วโดยใช้ขนาดโมเดลที่เล็ก

ไม่อยากพลาดข่าวใหม่?

สมัครรับสรุปข่าวสารใหม่ทางอีเมล ไม่บ่อยจนรำคาญ

โฆษณา

"Biosignals are inherently dynamic, with unique time-varying physiological properties. The key contribution of this research lies in proving the viability of health foundation models capable of capturing both the inter-signal relationships and their underlying temporal structures."

Subbu Venkatraman, Head of the Digital Health Research Lab at Samsung Research America

การนำโมเดล AI มาประมวลผลข้อมูลไบโอซิกนัลบนอุปกรณ์พกพา (On-device processing) เช่น สมาร์ทวอทช์โดยใช้เวลาไม่ถึง 1 มิลลิวินาที ถือเป็นก้าวสำคัญที่ช่วยลดการพึ่งพาคลาวด์เซิร์ฟเวอร์ เพิ่มความเป็นส่วนตัวของผู้ใช้ และทำให้การตรวจจับความผิดปกติทางสุขภาพทำได้แบบเรียลไทม์ตลอด 24 ชั่วโมง โดยไม่ต้องกังวลเรื่องการเชื่อมต่ออินเทอร์เน็ต

Subbu Venkatraman หัวหน้าห้องปฏิบัติการวิจัยดิจิทัลเฮลท์ของ Samsung Research America เสริมว่า ทีมงานยังคงมุ่งมั่นพัฒนาการวิจัย AI ด้านสุขภาพรากฐาน เพื่อแปลผลเป็นโซลูชันดูแลสุขภาพที่ยกระดับความเป็นอยู่ของผู้คนอย่างแท้จริง ทั้งนี้ Samsung รายงานว่า HiMAE สามารถให้ผลลัพธ์บนซีพียูระดับสมาร์ทวอทช์ได้ในเวลาไม่ถึง 1 มิลลิวินาที ซึ่งช่วยให้การวิเคราะห์ทำงานบนตัวอุปกรณ์ได้โดยตรง

ที่มา: AI News

ความคิดเห็น

แสดงความคิดเห็น
0/2000

พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้