La investigación se apoya en dos modelos denominados xMAE y HiMAE, diseñados para trabajar con biosignales y series temporales procedentes de dispositivos como los smartwatches. Aunque Samsung relaciona estos trabajos con su visión de salud conectada, se trata por ahora de investigación de Samsung Research y no de una nueva función anunciada para Galaxy Watch.
Samsung quiere que la IA aprenda el “lenguaje” de las señales del cuerpo
Los llamados health foundation models o modelos fundacionales de salud utilizan aprendizaje autosupervisado para extraer representaciones útiles de grandes cantidades de datos biométricos sin necesidad de que cada muestra haya sido etiquetada previamente de forma manual.
Una vez preentrenados, estos modelos pueden reutilizar lo aprendido en distintas tareas relacionadas con el análisis de biosignales, el desarrollo de biomarcadores o la investigación sobre clasificación y predicción de determinados estados fisiológicos. El planteamiento es similar al de otros modelos fundacionales de inteligencia artificial, pero aplicado a señales biológicas.
Samsung Research trabaja en conseguir que un mismo modelo pueda comprender las relaciones entre diferentes biosignales y cómo cambia la información relevante según la escala temporal en la que se analicen.
xMAE relaciona las señales PPG y ECG del wearable
El primero de los modelos presentados por Samsung Research se denomina xMAE —Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning— y está orientado a aprender las relaciones temporales que existen entre diferentes señales fisiológicas.
Un ejemplo está en el electrocardiograma o ECG y la fotopletismografía o PPG. El ECG mide la actividad eléctrica del corazón y, en muchos smartwatches, requiere que el usuario inicie una medición específica. La PPG utiliza sensores ópticos para detectar cambios asociados al flujo sanguíneo y puede obtenerse de forma pasiva y continua en determinados modos de monitorización.
Ambas señales están relacionadas con la actividad cardiovascular, pero no miden exactamente lo mismo ni aparecen necesariamente en el mismo instante. xMAE ha sido diseñado para aprender esas relaciones temporales reconstruyendo partes enmascaradas de la señal ECG a partir de información procedente de PPG.
Según Samsung Research, el modelo fue preentrenado utilizando aproximadamente 9.400 horas de datos ECG y PPG. En sus evaluaciones obtuvo mejores resultados que los modelos comparados por los investigadores en 15 de 19 tareas, entre ellas pruebas relacionadas con variables cardiovasculares, detección de resultados anómalos y clasificación de fases del sueño.
Esto no significa que un Galaxy Watch pueda sustituir un ECG clínico ni que Samsung haya anunciado una nueva capacidad de diagnóstico. El resultado relevante de la investigación es que el modelo puede aprender información fisiológica compartida entre señales distintas y aprovechar relaciones que serían más difíciles de extraer tratando cada biosignal de forma independiente.
HiMAE analiza la salud a diferentes escalas de tiempo
El segundo modelo, HiMAE —Hierarchical Masked Autoencoder—, aborda otro problema: una misma señal de un wearable puede contener información diferente dependiendo del intervalo temporal que se analice.
Un fragmento muy corto puede resultar útil para estudiar fenómenos rápidos, como cambios asociados al latido cardiaco. En cambio, para analizar patrones relacionados con el sueño o la actividad física es necesario observar periodos mucho más largos.
HiMAE utiliza varios codificadores para aprender representaciones de los datos a diferentes escalas temporales. Durante el entrenamiento reconstruye partes ocultas de las señales, lo que permite al sistema aprender su estructura incluso cuando existe una cantidad limitada de datos etiquetados.
Samsung destaca además la eficiencia del modelo. El trabajo presentado en ICLR describe una arquitectura suficientemente compacta para ejecutarse en hardware de clase smartwatch y capaz de realizar inferencias en menos de un milisegundo sobre una CPU de este tipo.
La posibilidad de ejecutar modelos de este tipo directamente en el wearable podría permitir procesar determinadas señales localmente y reducir la dependencia de servidores externos en algunos escenarios. Samsung habla del potencial de esta arquitectura; no ha anunciado que HiMAE esté integrado actualmente en sus relojes comerciales.
Dos aproximaciones distintas para una misma idea
| Modelo | Qué intenta aprender | Dato destacado |
|---|---|---|
| xMAE | Relaciones temporales entre diferentes biosignales, especialmente ECG y PPG. | Preentrenado con unas 9.400 horas de ECG y PPG y mejor resultado en 15 de 19 tareas frente a los modelos comparados por los investigadores. |
| HiMAE | Patrones presentes a distintas escalas temporales en datos de wearables. | Modelo compacto capaz de ejecutar inferencias en menos de un milisegundo sobre una CPU de clase smartwatch. |
Los dos trabajos han recibido además reconocimiento académico. Samsung indica que xMAE fue aceptado en ICML y HiMAE en ICLR, dos conferencias internacionales de referencia en aprendizaje automático.
El objetivo: interpretar mejor los datos que ya recoge el wearable
El interés de esta línea de investigación está en la gran cantidad de información que los wearables pueden recoger a lo largo del día. Un reloj puede generar señales ópticas, datos de movimiento y otras mediciones, pero convertir ese volumen de datos en patrones útiles es un problema diferente.
Los modelos fundacionales pretenden aprender primero la estructura general de esos datos y después reutilizar ese conocimiento en distintas tareas. Samsung Research plantea que esta aproximación podría permitir en el futuro obtener información de salud más continua, personalizada y contextual a partir de los biosignales.
Este trabajo encaja con la estrategia de salud conectada que Samsung presentó durante Galaxy Unpacked de julio de 2026, donde la compañía explicó que investiga modelos capaces de tratar señales como ECG, acelerometría y PPG no como datos completamente aislados, sino como partes de un mismo sistema fisiológico.
No es una nueva función de Galaxy Watch
La distinción es importante. Samsung ha publicado los resultados de su investigación y explica cómo estos modelos podrían utilizarse en sistemas de salud basados en wearables, pero no ha anunciado que xMAE o HiMAE vayan a llegar a un Galaxy Watch concreto ni ha dado una fecha de lanzamiento comercial.
Por tanto, de momento se trata de tecnologías de investigación que muestran una posible evolución del análisis de salud mediante IA: sistemas capaces de aprovechar las mediciones continuas de un wearable para identificar relaciones que un algoritmo diseñado para una única tarea podría pasar por alto.
Si este enfoque termina trasladándose a productos comerciales, parte de la mejora podría llegar no necesariamente mediante nuevos sensores, sino mediante un mejor aprovechamiento de las señales que el dispositivo ya es capaz de recoger.
Fuentes: Samsung Global Newsroom / Samsung Research, Samsung Research — HiMAE y Samsung Global Newsroom — Health Forum.