심전도(ECG)는 정확하지만 동작을 멈추고 손가락을 크라운에 대야만 측정할 수 있다. 광용적맥파(PPG)는 편리하지만 정확도가 부족하다는 지적이 계속됐다. 삼성 리서치 아메리카(Samsung Research America)는 이번에 어느 한쪽 편을 들지 않고, 두 신호가 서로의 부족한 점을 보완하도록 했다.

타이베이 시각 8월 14일, 외신 Artificial Intelligence News 보도에 따르면 삼성 리서치 아메리카 산하 디지털 헬스 팀이 두 가지 건강 파운데이션 모델 xMAE와 HiMAE를 공개했다. 스마트워치 등 웨어러블 기기가 수집하는 심장 활동, 수면, 신체 활동 데이터를 대상으로 하며, 자기지도 학습을 통해 대량의 비표지 신호에서 직접 특징을 추출한다.

xMAE: PPG가 ECG와의 시간차를 학습하다

xMAE의 정식 명칭은 '생리학적 인지 마스킹 크로스모달 재구성 생체신호 표현 학습'으로, PPG와 ECG 사이의 시간적 관계를 학습하는 것이 핵심이다. 연구팀은 9,400시간이 넘는 PPG와 ECG 데이터로 사전학습을 진행해, 모델이 두 신호가 시간축 상에서 어떻게 대응하는지 익히도록 했다. 그 결과 워치는 평소처럼 측정하는 PPG만으로도 ECG 수준에 가까운 심혈관 특징을 역산할 수 있게 되어, 사용자가 별도로 멈춰서 심전도를 수동 측정할 필요가 없어졌다. 삼성 측 발표에 따르면 xMAE는 19개 평가 과제 중 15개에서 기존 멀티모달 방식을 앞섰으며, 이 논문은 머신러닝 최고 권위 학회인 ICML에도 채택됐다.

HiMAE: 워치 CPU에서 뽑아낸 1밀리초

xMAE가 '무엇을 측정할지'를 해결했다면, HiMAE는 '어떻게 빠르게'를 해결한다. '계층형 마스크 오토인코더'인 이 모델은 서로 다른 인코더로 시간 척도가 다른 신호를 나눠 처리한다. 심박처럼 짧은 시간에 빠르게 변하는 신호와 수면의 질처럼 장시간에 걸쳐 누적되는 신호를 따로 읽는 방식이다. 모델 크기는 기존 방식보다 작으면서도 스마트워치급 CPU에서 1밀리초 이내에 결과를 산출한다. 클라우드 연산 연결이 필요 없다는 것은 분석이 즉시 완료되고, 민감한 건강 데이터를 서버에 업로드할 필요도 없다는 의미다. 이 연구는 국제 표현학습 학회 ICLR에서도 인정받았다.

삼성 리서치 아메리카 디지털 헬스 알고리즘 책임자 샤라냐 데사이(Sharanya Desai)는 이번 연구가 효율적이고 정확하며 지속적인 건강 인사이트를 제공하기 위한 기술적 토대를 마련했다며, 앞으로 연산 자원이 제한적인 더 많은 기기로 확대 적용할 계획이라고 밝혔다. 디지털 헬스 연구소 소장 수부 벤카트라만(Subbu Venkatraman)은 이번 결과가 건강 파운데이션 모델이 동적 신호 이면의 시간적 구조를 포착할 수 있음을 입증한다며, 팀은 이 연구를 실제 건강 개선에 도움이 되는 의료 애플리케이션으로 계속 발전시켜 나갈 것이라고 강조했다.

두 기술 모두 삼성이 2026년 7월 제시한 '커넥티드 케어(Connected Care)' 비전과 맞닿아 있다. 다만 구체적인 제품 출시 일정이나 적용 기종은 아직 공개되지 않았다.