سام سنگ ریسرچ امریکہ کی ڈیجیٹل ہیلتھ ٹیم نے AI پر مبنی دو ماڈل پیش کیے جو پہننے کے قابل بائیو سگنلز سے سیکھنے کے لیے بنائے گئے ہیں۔ یہ کام سمارٹ واچز کے ذریعے حاصل کیے گئے ڈیٹا پر مرکوز ہے، بشمول قلبی سرگرمی، نیند اور جسمانی سرگرمی۔
کمپنی نے جولائی 2026 میں Galaxy Unpacked کے دوران ہیلتھ فورم میں اپنے کنیکٹڈ کیئر وژن پر تبادلہ خیال کیا۔ سام سنگ نے طبی ٹیکنالوجی اور ہیلتھ کیئر پارٹنرشپ کے ذریعے سپورٹ کی حفاظتی، ذاتی نوعیت کی، اور منسلک دیکھ بھال کے مستقبل کا خاکہ پیش کیا۔ تحقیقی ٹیم نے صحت پر مبنی ماڈل کو صارفین کی صحت کے نئے تجربے کے ایک جزو کے طور پر رکھا۔
سام سنگ ریسرچ امریکہ میں ڈیجیٹل ہیلتھ الگورتھم کی سربراہ شرنیا دیسائی نے کہا: "یہ تحقیق اہم ہے کیونکہ یہ صحت پر مبنی ماڈلز کے ذریعے موثر، درست اور مسلسل صحت کی بصیرت فراہم کرنے کے لیے تکنیکی بنیاد رکھتی ہے۔
"ہم صحت پر مبنی ماڈلز تیار کرنا اور آگے بڑھانا جاری رکھیں گے جن کا اطلاق مختلف قسم کے بائیو سگنلز اور ہیلتھ فنکشنز پر کیا جا سکتا ہے جو محدود سینسرز اور کمپیوٹنگ وسائل کا استعمال کرتے ہوئے آلات پر کام کر سکتے ہیں۔”
Samsung Health AI پر مبنی ماڈل ریسرچ
صحت پر مبنی ماڈلز بغیر لیبل والے بائیو دستخطی ڈیٹا میں خصوصیات کی شناخت کے لیے خود زیر نگرانی سیکھنے کا استعمال کرتے ہیں۔ سام سنگ کا کہنا ہے کہ بڑے ہیلتھ ڈیٹا سیٹس پر پری ٹریننگ ایک ماڈل کو نیچے دھارے کے کاموں میں معاونت کرنے کی اجازت دیتی ہے جیسے کہ اہم نشانی کا تجزیہ، بائیو مارکر کی ترقی، اور صحت کے مسائل کی پیشن گوئی۔
یہ مطالعہ مختلف مقاصد کے ساتھ دو ماڈلز سے خطاب کرتا ہے۔ xMAE (فزیولوجیکل طور پر آگاہ ماسک کراس موڈ ری کنسٹرکشن فار لرننگ بائیو سگنل ریپریزنٹیشنز) مختلف بائیو سگنلز کے درمیان وقتی تعلقات کو سیکھتا ہے۔ Hierarchical Masked Autoencoder (HiMAE) پہننے کے قابل ٹائم سیریز ڈیٹا سے متعدد ٹائم اسکیلز میں صحت کے نمونے سیکھتا ہے۔
Samsung نے اعلان کیا کہ xMAE نے بین الاقوامی مشین لرننگ کانفرنس میں شرکت کی۔ HiMAE نے سیکھنے کی نمائندگی پر بین الاقوامی کانفرنس میں شرکت کی۔ کمپنی جسمانی تعلقات اور بائیو سگنل ڈیٹا کے عارضی ڈھانچے پر اپنے کام کے ذریعہ دونوں کی وضاحت کرتی ہے۔
یہ ماڈل پہننے کے قابل ڈیٹا تجزیہ کے مختلف پہلوؤں کا احاطہ کرتا ہے۔ xMAE مختلف میکانزم کے ذریعے متعلقہ سرگرمی کی پیمائش کرنے والے دو کارڈیک سگنلز کو جوڑتا ہے۔ HiMAE مختصر اور طویل وقفوں پر ڈیٹا کا تجزیہ کرتا ہے، جس سے ایک پہلے سے تربیت یافتہ ماڈل کو درجہ بندی، عددی پیشین گوئی، اور ڈیٹا کی تیاری میں مدد ملتی ہے۔
xMAE جوڑے پی پی جی ڈیٹا کو ای سی جی سگنل پر لگاتے ہیں۔
الیکٹروکارڈیوگرام (ECG) براہ راست دل کی برقی سرگرمی کی پیمائش کرتا ہے۔ سام سنگ بتاتا ہے کہ ای سی جی دل کی دھڑکن اور دل کی دھڑکن میں تبدیلی کی پیمائش کے لیے مفید ہے۔ یہ دل کی غیر معمولی تال اور ایٹریل فیبریلیشن جیسے حالات سے وابستہ خطرات کی بھی نشاندہی کر سکتا ہے۔
پہننے کے قابل ECG ریڈنگز میں عام طور پر صارف کو روکنے اور فعال پیمائش کرنے کی ضرورت ہوتی ہے۔ Photoplethysmography (PPG) ایک مختلف طریقہ اختیار کرتا ہے۔ پی پی جی خون کے بہاؤ میں تبدیلیوں کا پتہ لگاتا ہے اور اسے پہننے کے قابل آلات جیسے اسمارٹ واچز میں سینسر کے ذریعے غیر فعال طور پر متحرک کیا جا سکتا ہے۔
دونوں سگنل کارڈیک سرگرمی سے پیدا ہوتے ہیں۔ Samsung Electronics اس کا موازنہ بجلی کو دیکھنے اور پھر گرج کی آواز سننے سے کرتا ہے، اور یہ وقت کے وقفے پر ہوتا ہے۔ xMAE PPG ڈیٹا سے ECG سگنل کے نقاب پوش حصوں کو دوبارہ تشکیل دے کر وقتی تعلقات سیکھتا ہے۔
اس ڈیزائن کا مقصد علیحدہ دستی الیکٹرو کارڈیوگرام پیمائش کے بغیر مسلسل پی پی جی ڈیٹا کے ذریعے قلبی صحت کی خصوصیات کا تجزیہ کرنا ہے۔ ماڈل کو پہلے سے تربیت دینے کے لیے تقریباً 9,400 گھنٹے ECG اور PPG ڈیٹا استعمال کیا گیا۔
سام سنگ ریسرچ امریکہ میں ڈیجیٹل ہیلتھ لیب کے ڈائریکٹر سبو وینکٹرامن نے کہا، "اہم سگنلز فطرت میں متحرک ہیں، منفرد وقت کے ساتھ مختلف جسمانی خصوصیات کے ساتھ۔” "اس تحقیق کی کلیدی شراکت صحت پر مبنی ماڈلز کی فزیبلٹی کو ظاہر کرنے میں مضمر ہے جو سگنلز اور بنیادی وقتی ڈھانچے کے درمیان تعلقات دونوں کو پکڑ سکتے ہیں۔”
"ہم صحت کی بنیادی AI تحقیق کو آگے بڑھانے اور اسے صحت کی دیکھ بھال کے حل میں ترجمہ کرنے کے لیے پرعزم ہیں جو لوگوں کی صحت اور بہبود کو معنی خیز طور پر بہتر بناتے ہیں۔”
سام سنگ نے رپورٹ کیا کہ ایکس ایم اے ای نے 19 میں سے 15 میں سے 15 میں سنگل موڈ بائیوسیگنل ماڈلز اور موجودہ ملٹی موڈل سیکھنے کے طریقوں کو پیچھے چھوڑ دیا۔ کاموں میں دل کی بیماری کی پیشن گوئی، غیر معمولی ٹیسٹ کے نتائج کا پتہ لگانے، اور نیند کے مراحل کی درجہ بندی شامل تھی. کمپنی نے یہ بھی کہا کہ سیکھے گئے فیچرز نے سینسر ڈیوائسز، باڈی لوکیشن اور ڈیٹا اکٹھا کرنے کے ماحول میں استعمال کا وعدہ دکھایا ہے۔
HiMAE وقت کے پیمانے پر پہننے کے قابل ڈیٹا کا تجزیہ کرتا ہے۔
پہننے کے قابل ڈیٹا مختلف اوقات میں مختلف قسم کی معلومات پہنچا سکتا ہے۔ چھوٹے حصے تیزی سے بدلتے ہوئے سگنل دکھا سکتے ہیں، جیسے دل کی دھڑکن۔ طویل حصے ایسے نمونوں کو ظاہر کر سکتے ہیں جو وقت کے ساتھ بنتے ہیں، جیسے نیند یا جسمانی سرگرمی۔
HiMAE مختصر اور طویل ڈیٹا سیگمنٹس کا الگ الگ تجزیہ کرنے کے لیے متعدد انکوڈرز کا استعمال کرتا ہے۔ سام سنگ کا کہنا ہے کہ یہ انتظام ماڈل کو صحت کے کاموں کے لیے درکار اوقات کی نشاندہی کرنے کی اجازت دیتا ہے۔ لہذا، دل کی شرح کا تجزیہ اور نیند کی پیشن گوئی ٹائم سیریز ڈیٹا کے مختلف حصوں کو استعمال کر سکتے ہیں.
تربیت کا طریقہ پہننے کے قابل ڈیٹا کے نقاب پوش حصوں کو دوبارہ تشکیل دیتا ہے۔ سام سنگ کا کہنا ہے کہ یہ HiMAE کو محدود لیبل والے ڈیٹا کے ساتھ بائیو سگنلز سے پیٹرن سیکھنے کی اجازت دیتا ہے۔ اس کے بعد ماڈل ایک ہی پہلے سے تربیت یافتہ نظام میں درجہ بندی، عددی پیشین گوئی، اور ڈیٹا جنریشن کی حمایت کرتا ہے۔
Samsung Electronics نے اعلان کیا کہ HiMAE نے موجودہ ماڈل سے چھوٹے ماڈل کے ساتھ اعلیٰ کارکردگی حاصل کی۔ کمپنی نے یہ بھی اطلاع دی ہے کہ ایک سمارٹ واچ کی سطح کا مرکزی پروسیسنگ یونٹ ایک ملی سیکنڈ سے بھی کم وقت میں نتائج دے سکتا ہے۔
یہ پروسیسنگ دعویٰ ماڈل کا تجزیہ کلاؤڈ سرور کی بجائے ڈیوائس پر رکھتا ہے۔ بغیر لیبل والے جسمانی بہاؤ پر تربیت یافتہ بیس لائن ماڈل تشخیصی مارکروں کو نکالنے، پیش گوئی کرنے والی صحت کی درجہ بندی کو انجام دینے، اور مسلسل سرور کے رابطے کے بغیر صارف کے ہارڈ ویئر پر صارف کی ہدایات تیار کرنے کا طریقہ کار فراہم کرتے ہیں۔
حوالہ: گوگل اے آئی ہیلتھ کوچ ایبٹ گلوکوز ڈیٹا استعمال کرتا ہے۔
صنعت کے رہنماؤں سے AI اور بڑے ڈیٹا کے بارے میں مزید جاننا چاہتے ہیں؟ ایمسٹرڈیم، کیلیفورنیا اور لندن میں اے آئی اور بگ ڈیٹا ایکسپو دیکھیں۔ جامع ایونٹ TechEx کا حصہ ہے اور اس کا انعقاد دیگر اہم ٹیکنالوجی ایونٹس کے ساتھ کیا جاتا ہے، بشمول سائبر سیکیورٹی اور کلاؤڈ ایکسپو۔ مزید معلومات کے لیے یہاں کلک کریں۔
AI News آپ کے لیے TechForge Media لایا ہے۔ دیگر آنے والے انٹرپرائز ٹیکنالوجی ایونٹس اور ویبینرز کو یہاں دریافت کریں۔