サムスン電子株式会社は、ウェアラブル製品の生体信号データに基づく2つのヘルス基盤モデル「xMAE」および「HiMAE」を発表した。同社は2026年7月のGalaxy Unpackedで開催された「Health Forum」において、日頃のデータ活用により一人ひとりに合った予防やケアにつなげる「Connected Care」のビジョンを示している。ウェアラブル製品で取得する生体信号をより正確に理解し、健康アドバイスの提供を目指す新たなAI技術として開発された。

身体のサインを自ら学習するヘルス基盤モデル

Samsung Research America(SRA)のDigital Health Teamは、ウェアラブル製品が取得する生体信号から一人一人の健康状態を継続的に把握し、適切な健康アドバイスを提供するためのAI技術開発を進めている。

ヘルス基盤モデルは、ラベル付けされていない生体信号データから健康に関わる意味のある特徴を自ら学習するAIモデルである。大規模な健康データを用いた事前学習により、生体信号の解析、新しいバイオマーカーの開発や既存バイオマーカーの精度向上、健康リスクの予測など幅広い用途への活用が見込まれている。

心臓の状態を継続把握する「xMAE」モデル

ウェアラブル製品における心電図(ECG)は高精度で心拍数やリスクの特定に役立つものの、ユーザーによる能動的な計測操作が必要となる。一方で光電容積脈波(PPG)は、血流の変化を検知することでユーザーが操作せず継続的に計測できる。

「xMAE(Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning)」は、継続計測できるPPGデータを用いてECGデータの一部を再構成し、2つの信号の時間的関係性を学習する事前学習フレームワークである。研究チームが約9,400時間分のECG・PPGデータを用いて事前学習を行った結果、心血管疾患の予測や睡眠段階の分類を含む19の評価タスクのうち15項目で単一の生体信号モデルや既存のマルチモーダル学習手法を上回る性能を示した。

「HiMAE(Hierarchical Masked Autoencoder)」は、ウェアラブル製品が記録する時系列データから短期・長期など異なる時間幅の健康パターンを学習するモデルである。複数のエンコーダにより短時間と長時間のデータを個別に分析し、心拍数解析や睡眠予測に必要な情報を適切な時間幅で捉える。

事前学習済みの単一のHiMAEモデルは分類、数値予測、データ生成に対応し、スマートウォッチ級のCPUでも1ミリ秒未満で結果を出力できる計算効率を実現した。クラウドサーバーに依存せず、生の健康データをリアルタイムで解析できるオンデバイス型のヘルス基盤モデルの可能性を示している。

予防やパーソナライズケアの実現へ向けた展望

xMAEおよびHiMAEに関する研究は、それぞれ国際機械学習会議であるICML（International Conference on Machine Learning)、ICLR（International Conference on Learning Representations)で採択された。

両モデルは、単一の事前学習済みモデルから多様な健康関連タスクに対応し、正確で継続的かつパーソナライズされた健康に関する気づきを提供することを目指して開発が進められている。

本記事はサムスン電子株式会社の発表をもとに作成されています。

Dellows News編集部

ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。