ساعت‌های هوشمند می‌توانند با استفاده از هوش مصنوعی، تجهیزات الکترونیکی پوستی، و نمایش‌های مطالعاتی به شناسایی مشکلات سلامتی در حال ظهور کمک کنند.

چنین دستگاهی باید حجم وسیعی از داده ها را جمع آوری و پردازش کند، بسیار بالاتر از آنچه که حتی بهترین ساعت های هوشمند امروزی می توانند انجام دهند. و باید این خرد شدن داده ها را با مصرف انرژی بسیار کم در یک فضای بسیار کوچک انجام دهد.

لوازم الکترونیکی پوشیدنی آینده که به‌طور معمول استفاده می‌شوند، می‌توانند به طور بالقوه مشکلات سلامتی احتمالی در حال ظهور – مانند بیماری قلبی، سرطان یا مولتیپل اسکلروزیس – را حتی قبل از ظاهر شدن علائم آشکار شناسایی کنند. این دستگاه همچنین می تواند تجزیه و تحلیل شخصی داده های سلامت ردیابی شده را انجام دهد و در عین حال نیاز به انتقال بی سیم خود را به حداقل برساند. وانگ می‌گوید: «تشخیص برای اندازه‌گیری‌های یکسان سلامت بسته به سن، سابقه پزشکی و سایر عوامل ممکن است متفاوت باشد. “چنین تشخیصی، با اطلاعات بهداشتی که به طور مداوم در یک دوره طولانی جمع آوری می شود، داده ها بسیار فشرده است.”

این مطالعه در مجله Matter با عنوان دستگاه‌های نورومورفیک قابل کشش ذاتی برای پردازش داده‌های سلامت روی بدن با هوش مصنوعی منتشر شد.

Joe Strzalka، فیزیکدان Argonne، می گوید: «ارتقای برنامه ریزی شده APS، روشنایی پرتوهای اشعه ایکس آن را تا 500 برابر افزایش می دهد. ما مشتاقانه منتظر مطالعه مواد دستگاه تحت شرایط عملکرد منظم، تعامل با ذرات باردار و تغییر پتانسیل الکتریکی در محیط آن هستیم. به جای یک عکس فوری، بیشتر فیلمی از واکنش ساختاری مواد در مولکولی خواهیم داشت. مرحله.” روشنایی بیشتر خط پرتو و آشکارسازهای بهتر، اندازه گیری نرمی یا سختی مواد در پاسخ به تأثیرات محیطی را ممکن می سازد.

تجهیزات الکترونیکی پوست مانند همراه با هوش مصنوعی توسط محققان به منظور شناسایی نگرانی‌های سلامتی اضطراری بالقوه توسعه یافته است.

“تراشه” نورومورفیک پوست مانند این تیم از یک لایه نازک از یک نیمه هادی پلاستیکی ترکیب شده با الکترودهای نانوسیم طلای قابل کشش تشکیل شده است. حتی زمانی که به اندازه دو برابر اندازه معمولی آن کشیده می شد، دستگاه آنها بدون ایجاد هیچ شکافی طبق برنامه عمل می کرد.

چالش عمده دیگری که تیم با آن مواجه شد، ادغام وسایل الکترونیکی در یک ماده قابل کشش پوست مانند بود. ماده کلیدی در هر وسیله الکترونیکی یک نیمه هادی است. در الکترونیک سفت و سخت فعلی که در تلفن‌های همراه و رایانه‌ها استفاده می‌شود، این معمولاً یک تراشه سیلیکونی جامد است. الکترونیک قابل کشش مستلزم آن است که نیمه هادی یک ماده بسیار انعطاف پذیر باشد که همچنان قادر به هدایت الکتریسیته باشد.

این نیمه هادی پلاستیکی همچنین بر روی خط پرتو 8-ID-E در منبع فوتون پیشرفته (APS)، یک مرکز کاربری دفتر علوم DOE در Argonne، مورد تجزیه و تحلیل قرار گرفت. قرار گرفتن در معرض پرتوهای شدید اشعه ایکس نشان داد که چگونه مولکول‌هایی که مواد دستگاه پوست‌مانند را تشکیل می‌دهند پس از دو برابر شدن طول، دوباره سازمان‌دهی می‌شوند. این نتایج اطلاعاتی در سطح مولکولی برای درک بهتر خواص مواد ارائه می‌دهد.

برای یک آزمایش، تیم یک دستگاه هوش مصنوعی ساخت و آن را آموزش داد تا سیگنال های الکتروکاردیوگرام سالم (ECG) را از چهار سیگنال مختلف که نشان دهنده مشکلات سلامتی است، تشخیص دهد. پس از آموزش، دستگاه بیش از 95 درصد در تشخیص صحیح سیگنال های ECG موثر بود.

اگرچه وسایل الکترونیکی انعطاف پذیر و پوشیدنی به طور فزاینده ای رایج می شوند، اما هنوز پتانسیل کامل خود را درک نکرده اند. حسگرهای پزشکی دقیقی که روی پوست قرار می‌گیرند تا پایش سلامت و تشخیص را انجام دهند، می‌توانند با این فناوری در آینده نزدیک امکان‌پذیر شوند. مثل این است که همیشه یک موسسه پزشکی پیشرفته در اختیار داشته باشید.

چنین دستگاه پوست مانندی در پروژه ای بین آزمایشگاه ملی آرگون وزارت انرژی ایالات متحده (DOE) و دانشکده مهندسی مولکولی پریتزکر (PME) دانشگاه شیکاگو در حال توسعه است. سیهونگ وانگ، استادیار در UChicago PME با انتصاب مشترک در بخش علوم و فناوری نانو Argonne، رهبر این پروژه است.

وانگ افزود: «در حالی که هنوز نیاز به توسعه بیشتر در چندین زمینه دارد، دستگاه ما می تواند روزی یک تغییر دهنده بازی باشد که در آن همه می توانند وضعیت سلامتی خود را به روشی بسیار مؤثرتر و مکرر بدست آورند.»


پیوندهای وابسته ممکن است به طور خودکار ایجاد شوند – برای جزئیات بیشتر به بیانیه اخلاقی ما مراجعه کنید.



منبع

برای رفع این نیاز، تیم از محاسبات نورومورفیک استفاده کرد. این فناوری هوش مصنوعی با آموزش مجموعه داده‌های گذشته و یادگیری از تجربه، عملکرد مغز را تقلید می‌کند. از مزایای آن می توان به سازگاری با مواد قابل کشش، مصرف انرژی کمتر و سرعت بیشتر نسبت به سایر انواع هوش مصنوعی اشاره کرد.