Samsung lär sin klocka känna din kropp – dygnet runt, utan att du märker det

Din handled är nu ett laboratorium

När Samsung presenterade sina senaste Galaxy-enheter under företagets Unpacked-evenemang i juli 2026 smugglade de in något betydligt mer anmärkningsvärt än nya skärmar och snabbare processorer. Samsung Research avslöjade två AI-modeller – xMAE och HiMAE – som tränade på biologiska signaler från smartklockor. Enligt AI News rör det sig om en ambition att lägga grunden för framtidens förebyggande och uppkopplade sjukvård.

Det är ett djärvt mål. Och ett viktigt steg mot något som länge varit en dröm inom hälsoteknikbranschen: kontinuerlig, passiv hälsoövervakning utan att användaren ens behöver tänka på det.

Vad modellerna faktiskt gör

Låt oss vara konkreta. xMAE lär sig sambandet mellan två olika hjärtrelaterade signaler – EKG och PPG. EKG mäter hjärtats elektriska aktivitet direkt, medan PPG (fotopletysmografi) registrerar förändringar i blodflödet via klockans optiska sensorer. De härstammar från samma biologiska händelse men uppstår med en liten tidsfördröjning, ungefär som relationen mellan blixt och åska.

Genom självövervakad inlärning – en teknik där modellen tränar på omärkt data utan manuell klassificering – lär sig xMAE att rekonstruera EKG-signaler utifrån PPG-data. Resultatet är en modell som kan analysera hjärthälsa kontinuerligt, utan att du behöver trycka på någon knapp. Träningsunderlaget bestod av ungefär 9 400 timmars kombinerad signaldata. Det är inte lite.

HiMAE angriper problemet från ett annat håll och analyserar hälsomönster över flera tidsskalor. Styrkan med den modellen är att en och samma förtränade grund kan anpassas till vitt skilda uppgifter – klassificering, numeriska förutsägelser och till och med datagenerering. Det är just den typen av mångsidighet som gör grundmodeller så kraftfulla inom språkteknologi, och nu tar Samsung samma paradigm in i hälsoövervakning.

Möjligheterna är verkliga – och stora

Jag vill inte underminera det genuina värdet här. Hjärt- och kärlsjukdomar är fortfarande den vanligaste dödsorsaken globalt. Om AI kontinuerligt kan analysera subtila avvikelser i din puls, identifiera tidiga varningstecken på förmaksflimmer eller sömnstörningar – och göra det utan att du behöver besöka en klinik – så räddar det liv. Det är inte tomma ord.

Tekniken passar också in i en bredare rörelse inom hälsovården mot förebyggande insatser snarare än akuta ingripanden. Sjukvårdssystem världen över tyngs av reaktiva modeller där patienter söker vård när skadan redan är skedd. Kontinuerlig biologisk övervakning förändrar spelplanen.

Men vad lär sig Samsung egentligen?

Här är det viktigt att inte blunda för det som är obehagligt. Samsungs modeller är tränade på biologiska signaler från verkliga användare – miljontals mätvärden om hur din kropp beter sig under sömn, träning, stress och vardagliga rutiner. Det är data av en intimitet som knappast har något motstycke i teknikhistorien.

Självövervakad inlärning innebär att modellen hittar mönster utan att någon människa har definierat vad den ska leta efter. Det är effektivt – och det innebär att vi inte alltid vet exakt vad modellen har lärt sig att känna igen. Vilka korrelationer har den funnit? Kan den förutsäga psykisk ohälsa, hormonella mönster, eller livsstilsval som vi ännu inte har kartlagt?

Detta är inte spekulation om illvilja. Det är en strukturell fråga om makt och transparens. Techbolagen samlar in data, tränar modeller och fastställer egna riktlinjer för vad som är acceptabelt att lära sig. Regleringen halkar efter, som den alltid gör.

Branschtrenden pekar tydligt åt ett håll

Samsung är inte ensamma. Apple, Google och en rad hälsoteknikbolag investerar tungt i liknande grundmodeller för biologiska signaler. Det som händer nu är att dessa aktörer bygger upp djup kunskap om den mänskliga kroppen i en hastighet och skala som ingen medicinsk institution kan matcha. Det är både hoppfullt och värt att hålla ett vakande öga på.