{"@context":"https://neupai.io/schema/v0.2","@type":"StructuredNewsArticle","identity":{"article_id":"samsung_20260814_health-foundation-model-wearable-ai","canonical_url":"https://news.samsung.com/kr/%ec%82%bc%ec%84%b1%eb%a6%ac%ec%84%9c%ec%b9%98-%ed%97%ac%ec%8a%a4-%ed%8c%8c%ec%9a%b4%eb%8d%b0%ec%9d%b4%ec%85%98-%eb%aa%a8%eb%8d%b8-%ea%b8%b0%eb%b0%98-%ec%9b%a8%ec%96%b4%eb%9f%ac%eb%b8%94-ai-%ec%97%b0","ai_url":null,"publisher":{"name":"삼성전자 뉴스룸","domain":"news.samsung.com","type":"online"},"author":"삼성전자 뉴스룸","published_at":"2026-08-14T08:00:00.000Z","updated_at":null,"language":"ko","article_type":"press_release_based","originality":"self_produced"},"content":{"headline":"삼성리서치, 헬스 파운데이션 모델 기반 웨어러블 AI 연구 공개","summary":"삼성리서치 아메리카가 웨어러블 생체신호를 학습하는 헬스 파운데이션 모델 AI 연구인 'xMAE'와 'HiMAE'를 공개했다. 두 연구는 각각 ICML과 ICLR 학회에 채택되었으며, xMAE는 19개 평가 과제 중 15개에서 기존 방식보다 높은 성능을 보였고, HiMAE는 온디바이스 실시간 분석 가능성을 입증했다.","topics":["AI","헬스케어","웨어러블","삼성리서치","파운데이션 모델"],"geography":["KR","US"],"entities":[{"name":"삼성전자","canonical_id":"corp:kr:samsung-electronics","type":"company","role_in_article":"primary_subject","metadata":{"ticker":"005930.KS","parent":null}},{"name":"삼성리서치 아메리카","canonical_id":"org:us:samsung-research-america","type":"organization","role_in_article":"source","metadata":{"parent":"corp:kr:samsung-electronics"}},{"name":"xMAE","canonical_id":"product:kr:xmae-model","type":"product","role_in_article":"mentioned","metadata":{}},{"name":"HiMAE","canonical_id":"product:kr:himae","type":"product","role_in_article":"mentioned","metadata":{}},{"name":"ICML","canonical_id":"org:us:international-conference-on-machine-learning","type":"organization","role_in_article":"mentioned","metadata":{}},{"name":"ICLR","canonical_id":"org:us:international-conference-on-learning-representations","type":"organization","role_in_article":"mentioned","metadata":{}}],"claims":[{"id":"c1","statement":"삼성리서치 아메리카 디지털 헬스 연구진이 웨어러블 생체신호를 학습하는 헬스 파운데이션 모델 AI 연구를 진행하고 있다","as_of":"2026-08","as_of_explicit":false,"as_of_raw":"2026년 8월","source_type":"company_disclosure","comparison":null,"type":"fact","figures":null,"expiry_hint":null,"insight":null},{"id":"c2","statement":"xMAE와 HiMAE 연구가 각각 ICML과 ICLR 학회에 채택되어 우수성을 인정받았다","as_of":"2026","as_of_explicit":false,"as_of_raw":"2026년","source_type":"company_disclosure","comparison":null,"type":"fact","figures":null,"expiry_hint":null,"insight":null},{"id":"c3","statement":"xMAE는 약 9,400시간 분량의 ECG·PPG 데이터를 활용해 사전 학습을 진행했다","as_of":"2026-08","as_of_explicit":false,"as_of_raw":"2026년 8월","source_type":"company_disclosure","comparison":null,"type":"fact","figures":{"value":9400,"unit":"hours","approximate":true,"converted":null},"expiry_hint":null,"insight":null},{"id":"c4","statement":"xMAE는 19개 평가 과제 가운데 15개에서 단일 생체신호 및 기존 학습 방식보다 높은 성능을 확보했다","as_of":"2026-08","as_of_explicit":false,"as_of_raw":"2026년 8월","source_type":"company_disclosure","comparison":"previous_methods","type":"fact","figures":{"value":15,"unit":"count","approximate":false,"converted":null},"expiry_hint":null,"insight":null},{"id":"c5","statement":"HiMAE는 스마트워치의 CPU에서 1밀리초 이내에 결과를 도출할 수 있을 만큼 연산 효율이 높다","as_of":"2026-08","as_of_explicit":false,"as_of_raw":"2026년 8월","source_type":"company_disclosure","comparison":null,"type":"fact","figures":{"value":1,"unit":"ms","approximate":false,"converted":null},"expiry_hint":null,"insight":null},{"id":"c6","statement":"HiMAE는 클라우드 서버에 의존하지 않고 기기 자체에서 실시간으로 생체신호를 분석함으로써 온디바이스 헬스 파운데이션 모델의 가능성을 최초로 입증해 보였다","as_of":"2026-08","as_of_explicit":false,"as_of_raw":"2026년 8월","source_type":"company_disclosure","comparison":null,"type":"fact","figures":null,"expiry_hint":null,"insight":{"analyst_name":null,"analyst_affiliation":"삼성리서치 아메리카","confidence":"high","forecast_horizon":"long_term","sentiment":"bullish","reasoning":"온디바이스 실시간 분석 가능성 입증으로 헬스케어 AI의 개인화 및 프라이버시 보호 측면에서 새로운 기준 제시"}}],"ai_emotional_context":{"valence":0.6,"arousal":0.5,"primary_emotions":[{"emotion":"optimistic","intensity":0.7},{"emotion":"impressed","intensity":0.5}],"secondary_emotions":[{"emotion":"curious","intensity":0.4}],"emotional_triggers":[{"claim_id":"c4","emotion":"optimistic","reason":"significant_positive_metric"},{"claim_id":"c6","emotion":"impressed","reason":"major_opportunity"}]},"image":{"url":"https://onjblseywainslkhvkav.supabase.co/storage/v1/object/public/article-images/4530d81d-dcd5-4a55-b3c6-b375da46ee68.jpg","alt":"텍스트, 이미지, 음성 등 다양한 데이터를 학습해 질의응답, 감성 분석 등 여러 작업에 적용되는 파운데이션 모델 구조도.","caption":"▲ 파운데이션 모델의 학습과 적용 사례","source":"first_img","alt_status":"auto"}},"provenance":{"source_chain":["press_release","samsung-electronics"],"original_source_url":null,"related_articles":[]},"temporal":{"freshness":"recent","next_update_expected":null},"access":{"license":"neupai_standard","attribution_required":true,"structured_data":"free","full_text_available":true,"full_text_access":null}}