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 características útiles de grandes cantidades de datos biométricos que no necesitan haber sido etiquetados previamente uno a uno.
Una vez preentrenados, estos modelos pueden reutilizar lo aprendido para distintas tareas relacionadas con el análisis de biosignales, el desarrollo de biomarcadores o la investigación sobre predicción de problemas de salud. La idea es similar a la de los grandes modelos de IA de propósito general, pero aplicada a señales fisiológicas.
Samsung Research trabaja precisamente en conseguir que un mismo modelo pueda comprender las relaciones entre diferentes biosignales y cómo cambia su significado 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 directamente la actividad eléctrica del corazón y puede ofrecer información muy precisa, pero en los relojes normalmente requiere que el usuario realice una medición activa. La PPG, por el contrario, utiliza sensores ópticos para detectar cambios en el flujo sanguíneo y puede obtenerse de forma pasiva y continua desde la muñeca.
Ambas señales se originan en la misma actividad cardiaca, pero no aparecen exactamente al mismo tiempo. xMAE ha sido diseñado para aprender esa relación temporal reconstruyendo partes enmascaradas de la señal ECG a partir de PPG.
Según Samsung Research, el modelo fue preentrenado utilizando aproximadamente 9.400 horas de datos ECG y PPG. En sus evaluaciones superó a modelos unimodales y otros métodos de aprendizaje multimodal en 15 de 19 tareas, entre ellas pruebas relacionadas con predicción cardiovascular, 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 la IA puede aprender información fisiológica compartida entre señales distintas y aprovechar una señal que resulta más sencilla de medir continuamente.
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 estudie.
Un fragmento muy corto puede ser útil para analizar fenómenos rápidos, como los latidos del corazón. En cambio, para estudiar 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 patrones incluso cuando existe una cantidad limitada de datos etiquetados.
Samsung destaca además su eficiencia. El trabajo presentado en ICLR indica que el modelo es suficientemente compacto para funcionar directamente en hardware de clase smartwatch y puede realizar inferencias en menos de un milisegundo sobre una CPU de este tipo.
La posibilidad de ejecutar este tipo de modelos directamente en el wearable es especialmente interesante porque abre la puerta a analizar señales en tiempo real sin depender permanentemente de servidores en la nube. De nuevo, 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 evaluadas frente a los modelos comparados por los investigadores. |
| HiMAE | Patrones de salud presentes a distintas escalas temporales. | 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 de forma continua los datos que ya recoge el wearable
El interés de esta línea de investigación está en la enorme cantidad de información que los wearables pueden recoger durante el día. Un reloj puede generar continuamente señales ópticas, datos de movimiento y otras mediciones, pero convertir toda esa información en conocimiento útil es un problema distinto.
Los modelos fundacionales pretenden aprender primero la estructura general de esos datos y después reutilizar ese conocimiento en diferentes 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 aislados, sino como partes de un mismo lenguaje biológico.
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 estamos ante tecnologías de investigación que muestran hacia dónde podría evolucionar el 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 puede pasar por alto.
Si este enfoque termina trasladándose a productos comerciales, la gran diferencia podría estar menos en añadir nuevos sensores y más en extraer mejor información de las señales que el reloj ya es capaz de recoger.
Fuentes: Samsung Global Newsroom / Samsung Research, Samsung Research — HiMAE y Samsung Global Newsroom — Health Forum.