心電圖（ECG）準，但你得停下動作、把手指按在錶冠上才量得到；光體積描記圖（PPG）方便，卻一直被嫌不夠精準。三星美國研究院（Samsung Research America）這次沒有選邊站，而是讓兩顆訊號互相補課。
台北時間8月14日，據外媒Artificial Intelligence News報導，三星美國研究院旗下數位健康團隊發表兩款健康基礎模型：xMAE 與 HiMAE，鎖定手錶等穿戴裝置收集的心臟活動、睡眠與身體活動數據，用自監督學習從大量未標註訊號中直接抓特徵。
xMAE：讓PPG學會ECG的時間差
xMAE 全名「生理感知遮罩跨模態重建生物訊號表徵學習」，做的事很具體——學習PPG和ECG之間的時間關係。團隊用超過9,400小時的PPG與ECG數據做預訓練，讓模型記住兩種訊號在時間軸上如何對應。結果是，手錶往後只靠平常就在量的PPG，就能反推出接近ECG等級的心血管特徵，不必再叫使用者停下來手動測一次心電圖。三星說法是，xMAE在19項評估任務裡有15項贏過現有的多模態方法，這篇論文也已被機器學習頂級會議ICML收錄。
HiMAE：手錶CPU上跑出的1毫秒
如果說xMAE解決的是「量什麼」，HiMAE解決的是「怎麼快」。這款「階層式遮罩自編碼器」用不同編碼器分工處理不同時間尺度的訊號——心跳這種短時快變的，跟睡眠品質這種長時累積的，分開讀。模型體積比現有方案更小，卻能在智慧手錶等級的CPU上、不到1毫秒內產出結果。不用連雲端運算，代表分析即時完成，敏感健康資料也不必上傳到伺服器。這項研究已獲國際學習表徵會議ICLR肯定。
三星美國研究院數位健康演算法主管Sharanya Desai表示，這為提供高效、精確且持續的健康洞察打下技術基礎，未來會推向更多運算資源有限的裝置。數位健康研究實驗室主管Subbu Venkatraman則強調，這證明健康基礎模型能捕捉動態訊號背後的時間結構，團隊會持續把研究轉化成能實際改善健康的醫療應用。
兩項技術都對應三星2026年7月提出的「連網照護（Connected Care）」願景。目前尚未有具體產品上市時程或適用機型公布。
