Ogni notte, mentre dormiamo con lo smartwatch al polso, il dispositivo raccoglie migliaia di misurazioni: battiti, variazioni della pressione, micro-movimenti. Il problema, per chi sviluppa questa tecnologia, non è mai stato raccogliere i dati, è capirli. È questo il nodo su cui Samsung Research America ha concentrato gli ultimi mesi di lavoro, presentando due modelli di intelligenza artificiale pensati per dare un senso reale ai segnali biologici catturati dai wearable.
Il contesto è la visione Connected Care illustrata da Samsung durante l’Health Forum dello scorso Galaxy Unpacked di luglio: un’assistenza sanitaria che smette di essere reattiva, intervenire dopo che qualcosa è andato storto, per diventare preventiva e su misura per ogni persona. I due modelli, chiamati xMAE e HiMAE, sono stati entrambi accolti in due delle conferenze scientifiche più selettive del settore, ICML e ICLR.
Un problema antico: l’ECG è preciso, ma scomodo
Chi possiede uno smartwatch con elettrocardiogramma sa quanto sia macchinoso usarlo: bisogna fermarsi, toccare un punto preciso del quadrante, restare immobili per una trentina di secondi. In cambio si ottiene un dato molto affidabile sull’attività elettrica del cuore, utile per individuare aritmie o valutare il rischio di fibrillazione atriale.
Il sensore ottico che misura il flusso sanguigno, la fotopletismografia, o PPG, funziona all’opposto: è meno preciso ma lavora in continuo, senza che l’utente se ne accorga. I due segnali raccontano la stessa storia cardiaca, ma con uno sfasamento temporale, un po’ come vedere un fulmine e sentire il tuono qualche istante dopo.
xMAE nasce per colmare questo scarto: il modello impara a “indovinare” le porzioni mancanti del segnale ECG partendo da quello PPG, molto più facile da raccogliere in modo continuativo. Addestrato su circa 9.400 ore di registrazioni reali, ha battuto le tecniche esistenti in 15 test su 19, dalla previsione di problemi cardiovascolari fino alla classificazione delle fasi del sonno, e ha dimostrato di funzionare bene anche su dispositivi e situazioni diverse da quelle di addestramento.
Guardare i dati con lenti diverse: il ruolo di HiMAE
C’è poi un secondo problema, meno intuitivo: i dati di salute raccontano cose diverse a seconda di quanto li si osserva da vicino. Pochi secondi bastano per cogliere un singolo battito cardiaco; ore o giorni servono per notare un pattern di sonno che si ripete. È come guardare una fotografia zoomando e allontanandosi in continuazione.
HiMAE affronta proprio questo: usa più “occhi”, tecnicamente, più encoder, ciascuno specializzato in una scala temporale diversa, in modo da estrarre da ogni segnale l’informazione più utile per il compito richiesto, che sia analizzare la frequenza cardiaca o prevedere il sonno.
Il dato che più colpisce riguarda però la velocità: nonostante sia più leggero delle soluzioni concorrenti, il modello elabora i risultati in meno di un millisecondo su un processore paragonabile a quello di uno smartwatch. È la prima volta che un modello di questo tipo dimostra di poter girare interamente sul dispositivo, senza dover inviare nulla a un server remoto, un dettaglio che pesa sia sulla privacy dei dati sanitari sia sulla rapidità con cui l’utente riceve una risposta.
