El Foro de Salud realizado en el Galaxy Unpacked compartió la visión de Cuidado Conectado (Connected Care) de Samsung: un futuro en el que la atención pasa del tratamiento reactivo a experiencias preventivas, personalizadas y conectadas.
La Paz, septiembre de 2026. La inteligencia artificial se aplica cada vez más en la evaluación de bioseñales registradas por dispositivos vestibles, como los relojes inteligentes. Con la detección de patrones relevantes en variables de salud —entre ellas el sueño, la frecuencia cardíaca y la actividad física—, esta tecnología permite que los usuarios entiendan y administren su bienestar con mayor precisión.
Bajo este enfoque, Samsung promueve su estrategia de Cuidado Conectado (Connected Care), orientada a consolidar servicios de salud preventivos, personalizados y articulados. Especialistas de Samsung Research America trabajan en modelos avanzados de IA diseñados para procesar estos datos corporales, generar conclusiones médicas útiles y brindar orientación pertinente.
En este marco, el equipo de investigación de la firma presentó recientemente dos desarrollos fundamentados en datos de dispositivos de uso personal: xMAE (Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning), que analiza la correlación temporal entre diversas bioseñales, e HiMAE (Hierarchical Masked Autoencoder), enfocado en reconocer pautas de salud en diferentes rangos temporales a partir de series continuas.
Los artículos científicos relativos a xMAE e HiMAE fueron admitidos en la Conferencia Internacional sobre Aprendizaje Automático (ICML) y en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR), respectivamente.
Modelos de IA avanzada de salud que leen las señales del cuerpo: por qué son importantes para la salud
Un modelo avanzado de IA en el área médica recurre al aprendizaje autosupervisado para hallar elementos clave mediante bioseñales sin etiquetar. Tras ser entrenados previamente con grandes volúmenes de registros médicos, estos sistemas pueden destinarse a múltiples funciones, tales como interpretar señales fisiológicas, diseñar o perfeccionar biomarcadores y anticipar posibles anomalías en el organismo.
Modelo de IA xMAE: Insights cardíacos continuos desde Wearables
El electrocardiograma (ECG) mide de manera directa la actividad eléctrica del corazón con un estándar elevado de precisión, aunque demanda una intervención activa. Por su parte, la fotopletismografía (PPG) monitorea pasiva y continuamente el flujo sanguíneo a través de los sensores integrados en accesorios como los smartwatches.
El sistema xMAE procesa la vinculación temporal de ambas métricas y aprovecha los registros constantes de PPG para reconstruir información del ECG. De esta forma, posibilita el análisis de parámetros vinculados a la salud cardiovascular sin exigir tomas manuales por separado.
Para entrenar el modelo, los especialistas emplearon cerca de 9.400 horas de registros de ECG y PPG. La herramienta superó a otros procedimientos en 15 de 19 pruebas comparativas, entre las que figuran la estimación de enfermedades cardiovasculares, la identificación de valores anómalos y la categorización de las fases del sueño. Asimismo, reflejó potencial para operar en diversos aparatos, partes corporales y entornos de medición.
Modelo de IA HiMAE: Lectura del cuerpo en cada escala de tiempo en el dispositivo
Por su parte, HiMAE consiste en un modelo de aprendizaje autosupervisado que evalúa la información de los dispositivos vestibles en distintas escalas temporales. Dicha capacidad facilita el rastreo de comportamientos de salud a corto y largo plazo —como el ritmo cardíaco, el descanso o el ejercicio—, aun en escenarios donde los datos etiquetados son escasos.
La arquitectura de HiMAE le permite ejecutar diversas labores de salud y, gracias a su escala y rendimiento, emitir diagnósticos en menos de un milisegundo mediante una CPU con prestaciones afines a las de un reloj inteligente. Además, exhibe la viabilidad de procesar las señales directamente en el equipo y en tiempo real, prescindiendo de servidores remotos en la nube.
El siguiente paso hacia el Cuidado Conectado
De manera complementaria, xMAE e HiMAE constituyen avances orientados al diseño de herramientas de inteligencia artificial capaces de decodificar vínculos fisiológicos y estructuras temporales inherentes a las bioseñales. Las dos propuestas persiguen la generación de información médica continua y personalizada, con la facultad de adaptarse a múltiples tareas partiendo de un modelo preentrenado.