Samsungs AI-modellen lezen je hartslag nu nauwkeuriger dan ooit

Sophie Jansen · 2026-08-14

Stel je voor: je smartwatch weet straks niet alleen hoeveel stappen je zet, maar kan ook hartritmestoornissen voorspellen, je slaapkwaliteit analyseren en zelfs waarschuwen voordat er iets misgaat. Dat is precies waar Samsung Research America's Digital Health Team aan werkt. Ze hebben twee baanbrekende AI-modellen gepresenteerd die leren van biosignalen die wearables verzamelen. Denk aan hartactiviteit, slaap en fysieke beweging. Dit is geen sciencefiction; dit is de toekomst van preventieve gezondheidszorg. Tijdens het Health Forum op Galaxy Unpacked in juli 2026 deelde Samsung zijn Connected Care-visie. Het bedrijf schetste een toekomst waarin zorg preventief, persoonlijk en verbonden is. Niet alleen door technologie, maar ook door strategische partnerschappen met zorginstellingen. Onderzoekers zien deze zogenaamde health foundation-modellen als de bouwstenen voor een compleet nieuwe generatie consumentengezondheidservaringen. ### Waarom deze AI-modellen zo belangrijk zijn Volgens Sharanya Desai, hoofd Digital Health Algorithms bij Samsung Research America, is dit onderzoek een technische mijlpaal. Het legt de basis voor gezondheidsinzichten die efficiënt, nauwkeurig en continu zijn. Desai benadrukt dat ze blijven werken aan modellen die op meerdere biosignalen toepasbaar zijn en direct op je apparaat draaien, zelfs met beperkte sensoren en rekenkracht. Een health foundation-model gebruikt zelflerende algoritmes om patronen te herkennen in ongelabelde biosignaaldata. Het mooie is: door vooraf te trainen op grote gezondheidsdatasets, kan één model meerdere taken ondersteunen. Denk aan het analyseren van biosignalen, het ontwikkelen van biomarkers en het voorspellen van gezondheidsproblemen. Dat is een stuk efficiënter dan losse modellen voor elke taak afzonderlijk. ### Twee modellen, twee unieke benaderingen Samsungs onderzoek omvat twee modellen met verschillende doelen. Het eerste model heet xMAE, wat staat voor Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning. Dit model leert de temporele relaties tussen verschillende biosignalen. Het tweede model, HiMAE (Hierarchical Masked Autoencoder), richt zich op gezondheidspatronen over meerdere tijdschalen in wearable time-series-data. Beide modellen zijn geaccepteerd voor prestigieuze conferenties: xMAE voor de International Conference on Machine Learning en HiMAE voor de International Conference on Learning Representations. Dat zegt wel iets over de wetenschappelijke waarde van dit werk. Ze vullen elkaar aan: waar xMAE zich richt op de relaties tussen hartsignalen, analyseert HiMAE data over korte én lange intervallen. Hierdoor kan één getraind model zowel classificatie, numerieke voorspellingen als datageneratie ondersteunen. ### De kracht van xMAE: continue hartmonitoring Laten we dieper ingaan op xMAE, want dat is misschien wel het meest interessante model. Het koppelt continue PPG-data aan ECG-signalen. Een elektrocardiogram (ECG) meet direct de elektrische activiteit van je hart en is nuttig voor het meten van hartslag en hartslagvariabiliteit. Het kan ook abnormale hartritmes opsporen en risico's signaleren die verband houden met aandoeningen zoals boezemfibrilleren. Maar er is een nadeel: wearable ECG-metingen vereisen meestal dat je stilstaat en actief een meting start. PPG (fotoplethysmografie) werkt anders. Dit detecteert veranderingen in de bloedstroom en kan passief draaien via sensoren in je smartwatch. Beide signalen komen voort uit hartactiviteit, maar ze ontstaan met een tijdsverschil. Samsung vergelijkt dit met het horen van donder nadat je de bliksem hebt gezien. ### Wat dit betekent voor jouw gezondheid xMAE leert precies dat temporele verband: het reconstrueert gemaskeerde delen van een ECG-signaal op basis van PPG-data. Het resultaat? Het model kan cardiovasculaire gezondheidskenmerken analyseren via continu gemeten PPG-data, zonder dat je aparte handmatige ECG-metingen hoeft te doen. De training gebruikte maar liefst 9.400 uur aan ECG- en PPG-data. Subbu Venkatraman, hoofd van het Digital Health Research Lab bij Samsung Research America, legt het zo uit: "Biosignalen zijn inherent dynamisch, met unieke tijdsafhankelijke fysiologische eigenschappen. De belangrijkste bijdrage van dit onderzoek is dat we bewijzen dat health foundation-modellen levensvatbaar zijn. Ze kunnen zowel de relaties tussen signalen als hun onderliggende temporele structuren vastleggen." Het team blijft zich inzetten om fundamenteel gezondheidsonderzoek te vertalen naar praktische zorgoplossingen. De ambitie is duidelijk: technologie die daadwerkelijk bijdraagt aan een beter en gezonder leven. En met deze ontwikkelingen lijkt die toekomst dichterbij dan ooit. ### De impact voor de Nederlandse markt Voor Nederland, waar zorginnovatie hoog op de agenda staat, biedt dit kansen. Stel je voor dat huisartsen straks realtime data ontvangen van je smartwatch. Dat kan vroegtijdige interventies mogelijk maken, wachtkamers ontlasten en mensen langer zelfredzaam houden. De combinatie van continue monitoring en slimme AI-algoritmes kan een verschil maken in de preventieve zorg. Het is nog even wachten tot deze technologie breed beschikbaar is, maar de fundamenten zijn gelegd. En dat is goed nieuws voor iedereen die zijn gezondheid serieus neemt.