Nowa funkcja AI Samsunga: możliwy przełom dla smartwatchy

Noszona na nadgarstku elektronika już dawno przestała być wyłącznie licznikiem kroków. Dziś potrafi rejestrować arytmie, wykrywać upadki, a nawet sporządzać uproszczone elektrokardiogramy. Teraz jeden z największych producentów pracuje nad kolejnym krokiem: zapobieganiem omdleniom poprzez wczesne ostrzeżenie użytkownika. Jeśli technologia przejdzie drogę od laboratorium do certyfikowanego produktu, może znacząco zredukować liczbę urazów wtórnych, które co roku trafiają na oddziały ratunkowe na całym świecie.

Badanie przełomowe, ale wciąż w fazie pilotażowej

Zespół badaczy z południowokoreańskiego szpitala uniwersyteckiego Chung-Ang wspólnie z działem R&D Samsunga przeanalizował dane 132 pacjentów cierpiących na częste zasłabnięcia. Uczestnicy nosili zegarki Galaxy Watch6 wyposażone w fotopletyzmograficzny czujnik PPG, rejestrujący zmienność rytmu serca z wysoką częstotliwością. Algorytm oparty na sieciach neuronowych szukał subtelnych wzorców poprzedzających spadek ciśnienia i zwolnienie tętna – zjawiska typowe dla omdlenia wazowagalnego. Według autorów prognozy osiągnęły około 85% dokładności i 90% czułości, co w literaturze medycznej uznaje się za obiecujący wynik w pracach nad systemami wczesnego ostrzegania.

Omdlenie wazowagalne – pozornie błahe, realnie groźne

Najczęstsza forma utraty przytomności bywa wywołana stresem, bólem, długotrwałym staniem lub odwodnieniem. Mechanizm polega na chwilowym rozszerzeniu naczyń i zmniejszeniu częstotliwości skurczów serca, co gwałtownie obniża dopływ krwi do mózgu. Sam epizod trwa zwykle kilkadziesiąt sekund, lecz szkody powoduje nagły upadek – zwłaszcza u seniorów lub osób przyjmujących leki obniżające ciśnienie. Według danych amerykańskich izb przyjęć urazy wtórne po omdleniu odpowiadają za ponad 450 000 hospitalizacji rocznie, co generuje ogromne koszty i obciążenie systemów opieki zdrowotnej.

Sztuczna inteligencja i czujnik PPG – jak to działa w praktyce

Fotopletyzmografia mierzy zmiany objętości krwi w mikro-naczyniach, emitując światło i analizując jego odbicie od skóry. Z pozoru prosta metoda, w połączeniu z algorytmami uczenia maszynowego, pozwala wyodrębnić sygnały świadczące o zaburzeniach autonomicznego układu nerwowego. Model trenuje się na milionach fragmentów czasowych opisanych etykietą „przed omdleniem” lub „normalny zapis”. Jeżeli urządzenie wykryje charakterystyczny wzorzec, może wygenerować alarm i zalecić natychmiastowe siedzenie bądź położenie się, zanim użytkownik straci przytomność. Taka proaktywna strategia odróżnia nową funkcję od obecnych systemów wykrywania upadku, które reagują dopiero po zdarzeniu.

Bariery certyfikacyjne i możliwa ścieżka wdrożenia

Choć wyniki laboratoryjne wyglądają zachęcająco, producent musi przejść wieloetapowy proces walidacji klinicznej oraz uzyskać aprobatę organów regulacyjnych, takich jak amerykańska FDA czy europejska MDR. Obejmuje to badania na populacji liczącej co najmniej kilkaset, a często kilka tysięcy osób w różnych grupach wiekowych i zróżnicowanym profilu zdrowotnym. Dopiero po potwierdzeniu skuteczności i bezpieczeństwa można myśleć o aktualizacji dostępnych modeli bądź premierze nowych urządzeń. Realistyczny horyzont czasowy branżowi analitycy szacują na 18–36 miesięcy, choć tempo zależy od wyników kolejnych testów, legislacji w poszczególnych krajach oraz strategii marketingowej producenta.

Szerszy kontekst rynku urządzeń wearables

Inicjatywa Samsunga wpisuje się w szerszy trend łączenia elektroniki konsumenckiej z medycyną cyfrową. Apple Watch już wcześniej uzyskał dopuszczenie do wykrywania migotania przedsionków, a firmy takie jak Fitbit czy Withings badają możliwości monitorowania bezdechu sennego. Popyt na funkcje ochrony zdrowia napędzają starzenie się społeczeństw, rosnąca świadomość profilaktyki oraz presja, by odciążyć systemy publicznej opieki. Sukces najnowszego projektu zależeć będzie jednak nie tylko od parametrów algorytmu, lecz również od edukacji użytkowników, jakości interpretacji danych w aplikacji oraz prywatności informacji biometrycznych, które stają się jednymi z najwrażliwszych zasobów cyfrowych.