Samsung Research America, akıllı saatlerin topladığı kalp atışı, ışık tabanlı nabız ve hareket verisinden daha anlamlı sağlık göstergeleri çıkarmayı amaçlayan iki yapay zekâ çalışmasını ayrıntılandırdı. xMAE, PPG ile ECG arasındaki fizyolojik zaman ilişkisini öğrenirken HiMAE, aynı sinyalin saniyelerden saatlere uzanan farklı zaman ölçeklerini ayrı ayrı inceliyor.
Samsung’un 14 Ağustos 2026 tarihli açıklaması bu araştırmaları gelecekteki “önleyici ve kişiselleştirilmiş” sağlık deneyiminin temeli olarak konumlandırıyor. Ancak çalışmaların konferansta kabul edilmesi, mevcut Galaxy Watch’un hastalık teşhisi koyacağı veya her ülkede yeni bir tıbbi özellik açılacağı anlamına gelmiyor.
Sağlık Temel Modeli Nedir?
Temel model, çok miktarda etiketlenmemiş veriden genel temsil öğrenip daha sonra farklı görevlere uyarlanabilen yapıdır. Giyilebilir cihazda her saniyenin doktor tarafından “normal” veya “riskli” diye etiketlenmesi mümkün değildir. Öz denetimli öğrenme, sinyalin bir bölümünü gizleyip modelden eksik kısmı tahmin etmesini isteyerek veri içindeki düzeni öğrenebilir.
Bu yaklaşım uyku evresi, kalp ritmi, aktivite ve uzun dönem değişim gibi farklı görevler için aynı başlangıç modelinin kullanılmasını sağlayabilir. Fakat eğitim verisinin yaş, cinsiyet, ten rengi, cihaz ve sağlık durumu çeşitliliği yetersizse model belirli gruplarda daha çok hata yapabilir.
xMAE PPG ve ECG İlişkisini Nasıl Öğreniyor?
ECG kalbin elektriksel aktivitesini doğrudan ölçer ve kullanıcının ölçüm sırasında belirli bir pozisyonda durmasını gerektirir. PPG ise cilt altındaki kan hacmi değişimini ışıkla izler; saatte pasif ve sürekli toplanabilir. Aynı kalp atışını görseler de elektriksel sinyal ile bilekte ölçülen nabız dalgası arasında dolaşımdan kaynaklanan zaman farkı vardır.
xMAE, PPG verisini kullanarak gizlenen ECG parçalarını yeniden kurmaya çalışıyor ve bu sırada iki sinyalin sıralı fizyolojik ilişkisini öğreniyor. Araştırma özeti, xMAE temsillerinin 19 aşağı akış görevinin 15’inde tek sinyalli ve klasik çoklu sinyalli karşılaştırmaları geçtiğini bildiriyor. Görevler arasında kardiyovasküler sonuç tahmini, anormal laboratuvar değeri, uyku evresi ve bazı demografik sınıflandırmalar bulunuyor.
Bu sonuçlar umut verici olsa da doğruluk tek bir oranla özetlenemez. Her görev için veri bölünmesi, cihaz farkı, dış doğrulama ve klinik olarak anlamlı hata türleri ayrı incelenmeli. PPG’den ECG benzeri temsil öğrenmek, bilekten gerçek tanısal ECG üretmekle aynı şey değildir.
HiMAE Neden Farklı Zaman Ölçeklerine Bakıyor?
Bir kalp atımının şekli milisaniye ve saniye düzeyinde; uyku döngüsü dakika ve saat; yaşam alışkanlığı ise günler boyunca anlam kazanır. HiMAE, tek çözünürlüğe sıkıştırmak yerine hiyerarşik kodlayıcıyla farklı katmanlarda farklı zaman ölçekli özellikler çıkarıyor. Böylece hangi sağlık görevinin hangi zaman çözünürlüğünden yararlandığı incelenebiliyor.
ICLR 2026 özetine göre model sınıflandırma ve üretim testlerinde ölçeği tek noktada birleştiren temel modelleri geçti. Konvolüsyon tabanlı tasarımın saat sınıfı işlemcide milisaniyenin altında çıkarım yapabilecek kadar küçük olduğu belirtiliyor. Bu, veriyi sürekli buluta göndermeden cihaz üzerinde işleme ihtimalini güçlendiriyor.
Cihaz Üzerinde Çalışmanın Faydası
- Gecikme: İnternet beklemeden anlık değerlendirme yapılabilir.
- Gizlilik: Ham biyosinyalin tamamı buluta gitmeyebilir.
- Enerji: Küçük model doğru tasarlanırsa sürekli bağlantı maliyeti azalabilir.
- Süreklilik: Bağlantı olmayan ortamda temel işlev devam edebilir.
Buna karşılık cihaz üzerinde çalışmak verinin otomatik olarak özel kaldığı anlamına gelmez. Sonuçların uygulama, hesap ve yedekleme sisteminde nasıl saklandığı; araştırma veya reklam için kullanılıp kullanılmadığı; kullanıcının silme ve dışa aktarma hakkı açıkça anlatılmalı.
Tıbbi Sınırlar
Tüketici saati sensörleri hareket, gevşek kayış, dövme, ten özellikleri, ter ve ortam ışığından etkilenebilir. Model kötü sinyali güçlü bir tahminle yorumlarsa yanlış güven veya gereksiz endişe oluşturabilir. Tıbbi iddia taşıyan özelliklerin ülke bazında düzenleyici onay, klinik çalışma ve anlaşılır hata oranı sunması gerekir.
Kullanıcı göğüs ağrısı, nefes darlığı, bayılma veya olağandışı ritim hissediyorsa saatin “normal” demesini beklememeli; sağlık profesyoneline başvurmalı. Bu araştırmalar destekleyici tarama ve eğilim analizi için potansiyel taşıyor, tanının yerini almıyor.
Kullanıcıya Ne Zaman Ulaşabilir?
Samsung belirli bir ürün, ülke veya tarih açıklamadı. İlk etkiler doğrudan yeni tanı etiketi yerine uyku ve egzersiz özetlerinin daha kişisel olması, pasif ölçüm kalitesinin artması ve cihaz üzerinde çalışan erken uyarılar şeklinde görülebilir. Pil tüketimi, açıklanabilirlik ve yanlış alarm oranı ürünleşmenin kritik testleri olacak.
Almadanincele Yorumu
xMAE’nin PPG ile ECG arasındaki gerçek fizyolojik gecikmeyi, HiMAE’nin farklı zaman ölçeklerini öğrenmesi sağlık yapay zekâsında yalnız “daha büyük model” yaklaşımından daha anlamlı. Özellikle saat sınıfı işlemcide çalışabilen küçük model, gizlilik ve gecikme açısından değerli.
Yine de bilimsel başarıyı ürün vaadiyle karıştırmamak gerekiyor. Kullanıcı için asıl ölçüt; farklı gruplarda klinik doğrulama, düşük yanlış alarm, açık veri politikası ve doktorun yorumlayabileceği kanıt. Samsung bu dört alanı karşılayabilirse araştırma günlük sağlık takibinde gerçek fark yaratabilir.
Kapak görseli: Samsung Research resmi sağlık temel modeli görseli. Kullanım bilgisi: Üreticinin veya ilgili kurumun resmi görseli; kaynak belirtilerek editoryal kullanım.
