AI Mengubah Data Smartwatch Menjadi Insight Kesehatan
Smartwatch kini mampu merekam lebih banyak informasi tubuh daripada sekadar jumlah langkah. Sensor di dalamnya dapat mengumpulkan data denyut jantung, gerakan, aktivitas, dan pola tidur sepanjang hari.
Baca Juga “Dari Alat Bantu Menjadi “Rekan Kerja”, Ini Cara AI Ubah Layanan Kesehatan Indonesia“
Data tersebut kemudian diproses menggunakan algoritma dan kecerdasan buatan atau AI. Teknologi ini membantu mengenali pola dari rangkaian data yang terus berubah.
Namun, hasil smartwatch tetap merupakan estimasi. Akurasinya bergantung pada sensor, perangkat, kondisi penggunaan, serta jenis metrik yang diukur.
Sensor Menjadi Dasar Pemantauan Tubuh
PPG Mengukur Denyut Jantung
Photoplethysmography atau PPG menggunakan cahaya untuk mendeteksi perubahan volume darah pada jaringan. Dari pola tersebut, perangkat dapat memperkirakan denyut jantung.
Teknologi ini memungkinkan pemantauan berlangsung secara pasif. Meski begitu, gerakan tubuh dan posisi perangkat dapat memengaruhi kualitas sinyal.
ECG Merekam Aktivitas Listrik Jantung
Smartwatch tertentu juga memiliki electrocardiogram atau ECG. Sensor ini merekam aktivitas listrik jantung dan biasanya membutuhkan pengguna menyentuh elektroda selama pengukuran.
ECG dan PPG mengamati aspek fisiologi yang berbeda. Karena itu, keduanya dapat memberikan informasi yang saling melengkapi.
Sensor Gerak Membantu Membaca Aktivitas dan Tidur
Accelerometer mencatat pergerakan tubuh. Data tersebut dapat digunakan untuk menghitung langkah, memperkirakan aktivitas, dan membantu mengenali periode tidur atau terjaga.
Untuk tidur, smartwatch hanya menghasilkan estimasi. Hasil tersebut tidak setara dengan polysomnography atau PSG yang mengukur lebih banyak sinyal fisiologis, termasuk aktivitas otak.
Bagaimana AI Menemukan Pola dari Data Tubuh?
AI bekerja dengan menganalisis data dalam urutan waktu atau time-series. Model dapat mempelajari perubahan sinyal, hubungan antarsensor, dan pola yang berulang.
Pendekatan ini penting karena kondisi tubuh tidak dapat dipahami dari satu angka saja. Perubahan detak jantung berlangsung cepat, sedangkan pola tidur dan aktivitas membutuhkan pengamatan lebih lama.
xMAE Mempelajari Hubungan ECG dan PPG
Peneliti Samsung Research America memperkenalkan xMAE pada 2026 untuk mempelajari hubungan temporal antara ECG dan PPG.
Model tersebut dilatih menggunakan sekitar 9.400 jam data. Dalam evaluasi penelitian, xMAE mengungguli baseline pada 15 dari 19 tugas.
Hasil ini menunjukkan potensi AI untuk mendapatkan informasi lebih banyak dari hubungan antarbiosignal. Namun, performa penelitian tidak berarti smartwatch dapat langsung mendiagnosis penyakit.
HiMAE Membaca Data pada Berbagai Skala Waktu
Riset HiMAE yang diterima di ICLR 2026 menggunakan pendekatan multi-skala untuk menganalisis data wearable.
Model mempelajari pola dari segmen waktu pendek dan panjang. Pendekatan tersebut dapat membantu AI menangani data seperti detak jantung dan tidur dengan konteks waktu yang berbeda.
Dalam pengujian penelitian, inferensi HiMAE dapat berlangsung kurang dari satu milidetik pada CPU kelas smartwatch.
Seberapa Akurat Data dari Smartwatch?
Akurasi wearable tidak sama untuk setiap jenis pengukuran.
Living umbrella review di Sports Medicine pada 2024 merangkum 24 tinjauan sistematis dan 249 studi validasi dengan lebih dari 430.000 peserta. Kajian tersebut menemukan bahwa performa perangkat sangat bergantung pada metrik yang digunakan.
Pengukuran detak jantung secara umum menunjukkan bias sekitar ±3%. Sebaliknya, estimasi intensitas aktivitas dan tidur memiliki keterbatasan yang lebih besar.
Meta-analysis pada Journal of Clinical Sleep Medicine pada 2025 juga menemukan perbedaan antara sleep tracker berbasis pergelangan tangan dan PSG pada sejumlah parameter tidur.
Artinya, smartwatch lebih tepat digunakan untuk melihat tren, bukan sebagai pengganti pemeriksaan medis.
Gunakan Data Wearable dengan Bijak
Fokus pada Perubahan yang Berulang
Jangan langsung menyimpulkan sesuatu dari satu angka. Perubahan yang konsisten selama beberapa hari atau minggu biasanya lebih informatif.
Bandingkan data dengan aktivitas, waktu tidur, dan kondisi tubuh pada periode yang sama.
Bedakan Insight dari Diagnosis
Notifikasi irama jantung atau perubahan pola tidur dapat menjadi alasan untuk melakukan pemeriksaan lebih lanjut. Namun, hasil tersebut tetap perlu dikonfirmasi melalui metode medis yang sesuai.
Keluhan seperti nyeri dada, sesak napas, pingsan, atau gejala berat lainnya membutuhkan pertolongan medis tanpa menunggu hasil smartwatch.
AI Wearable Juga Membutuhkan Perlindungan Data
Semakin banyak data tubuh yang dikumpulkan, semakin penting aspek privasi. Informasi mengenai detak jantung, tidur, aktivitas, dan kebiasaan harian dapat menjadi data yang sensitif.
WHO menekankan pentingnya keselamatan, transparansi, akuntabilitas, perlindungan otonomi, dan inklusivitas dalam pengembangan AI kesehatan.
Pemrosesan AI langsung di perangkat dapat mengurangi sebagian kebutuhan mengirim data ke cloud. Namun, pengguna tetap perlu memeriksa izin aplikasi dan pengaturan berbagi data.
Smartwatch Lebih Tepat Dipandang sebagai Alat Pemantauan
Perkembangan AI membuat smartwatch semakin mampu mengenali hubungan antara berbagai sinyal tubuh. Riset seperti xMAE dan HiMAE menunjukkan bagaimana teknologi tersebut dapat memahami biosignal dan pola waktu dengan lebih kompleks.
Meski potensinya besar, wearable belum menggantikan pemeriksaan klinis.
Manfaat terbesar smartwatch saat ini adalah membantu pengguna mengenali perubahan dan tren kesehatan. Ketika muncul pola yang tidak biasa atau keluhan yang menetap, data tersebut dapat menjadi informasi tambahan untuk dibahas bersama tenaga kesehatan.
Baca Juga “AI Bantu Tenaga Kesehatan Layani Lebih Banyak Pasien, Pelatihan Masih Jadi Kendala“
