一种类似皮肤的计算贴片可以为可穿戴健康设备提供它们长期以来所缺乏的功能——即时判断。通过在人体上直接运行人工智能，这种可拉伸系统规避了服务器延迟，在每一次心跳都至关重要的情况下，实现了更快的响应。
一种像创可贴一样附着在皮肤上的可拉伸计算贴片，可能将可穿戴医疗推向更快速的领域。该设备不再只是收集数据并将其发送到其他地方进行分析，而是在接触身体的位置直接处理信息，并且能在毫秒内完成。
这种差异在时间紧迫的情况下最为重要。在危险的心律紧急情况下，即使是短暂的延迟，也可能决定有效行动与错失机会之间的差别。
该贴片是由芝加哥大学普利兹克分子工程学院(University of Chicago Pritzker School of Molecular Engineering)的研究人员与阿贡国家实验室(Argonne National Laboratory)的科学家共同开发的。在测试中，该系统使用内置人工智能分析了多种健康数据，即使在弯曲和拉伸状态下也能工作，无需依赖无线传输到外部计算机进行处理。
"我们试图实现的未来是让可穿戴和植入式设备变得更加智能，"芝加哥大学分子工程学副教授、该研究的共同高级作者Sihong Wang表示，这项研究发表在《自然电子学》(Nature Electronics)杂志上。"这有助于人们将个人即时医生集成到他们的设备中。"
将计算功能印制在可穿戴于皮肤上的材料中
目前大多数可穿戴设备都具有感知功能。它们追踪心率、运动或其他身体信号，然后将这些信息传递出去进行处理。分析通常在身体外部进行，通常是在远程服务器或传统计算机芯片上。
这种设置对许多消费用途有效，但对于需要实时决策的情况却造成了瓶颈。发送数据并等待结果会增加延迟、复杂性和能耗。
新贴片试图通过将计算移动到边缘来解决这个问题，本质上就是传感发生的位置。为了以柔软、适合人体的格式实现这一点，研究团队在可拉伸表面上构建了大型有机电化学晶体管阵列。
这些晶体管的行为与普通刚性芯片中的晶体管不同。它们使用电流和通过凝胶电解质移动的离子来处理信息。这使得每个设备具有类似记忆的特性，能够以类似于大脑中突触增强或减弱的方式随时间保持数值。
这种特性使有机电化学晶体管成为神经形态计算的有吸引力的选择，神经形态计算是一种旨在模拟神经网络某些特征的计算风格。但将它们转化为密集、可拉伸的阵列一直是一个棘手的制造问题。
贴片的软基底
软基底不能很好地容忍标准芯片制造条件，特别是强烈的溶剂或高温。凝胶电解质带来了另一个问题，因为它可能会扩散并与附近部件融合，导致短路。
"我们必须问的问题是，我们是否可以使用或改变这些聚合物的特性，使其与微电子行业使用的主要图案化方法——光刻技术兼容，"Wang说。
团队的解决方案是一种新的聚合物凝胶，它在紫外线下能硬化成精确的形状。通过这种方法，他们构建了每平方厘米多达10,000个晶体管的阵列。在一个10×10的代表性阵列中，他们报告了100%的制造良率，器件间的变化在±10%以内。
"作为计算机科学家，我们习惯于将神经网络权重视为只是一个数字，"芝加哥大学计算机科学研究生、该研究的共同第一作者Zixuan Zhao表示。"在硬件中，它是一种材料，具有可变性、历史和物理限制。挑战是在心中记住这些限制，同时仍能进行足够精确的计算。"
毫秒开始重要的地方
该团队在多项机器学习任务上测试了这些阵列，包括与危及生命的心脏紧急情况相关的任务。
心室纤维性颤动是一种心脏电活动崩溃的混乱节律。它通常在几分钟内致命。目前的植入式心律转复除颤器通常会向整个心脏发送强烈的冲击，这种治疗可能有效，但也痛苦且粗暴。
研究人员一直在探索一种更精确的方法，即绘制在心脏上快速传播的异常电波阵面并用更小、更精确的脉冲中断它们。障碍一直是速度。这些波阵面移动得如此之快，以至于分析必须在毫秒内完成。
"在这种情况下，远程计算是不可行的。它耗费的时间太长，"Wang说。"但如果你有一个能在体内进行分析的计算设备，这是可能的。"
使用来自匿名捐赠人类心脏的心脏映射数据，可拉伸阵列识别传播波阵面位置的匹配率超过99.6%，与基于软件的计算相比。即使拉伸到60%的应变，该系统仍保持了这种准确性，相关测试显示，在100次反复拉伸到100%应变后，变化可以忽略不计。
研究人员还报告称，在一个更简单的分类任务中，每次推理仅需10毫秒。
不仅用于监测的可穿戴设备
同一平台还在第二个医疗任务上进行了测试，即从一组健康指标中估计心脏病发作风险。在该演示中，神经网络分析了九个输入：年龄、性别、胆固醇、空腹血糖、最大心率、运动引起的心绞痛、静息心电图，以及被称为旧峰值和斜率的两个心电图ST段测量值。
在全部303组数据集中，硬件系统的平均推理准确率达到83.5%。在保留的20%测试子集上，准确率为78.7%。作者指出，通过更大的训练数据集和隐藏层中更多的神经元，性能可能会进一步提高。
该研究还表明，该阵列可以处理其他边缘计算任务，包括通过去噪自动编码器进行特征提取和数据压缩。在医学之外，研究团队探索了相同的可拉伸神经形态硬件是否能够支持软体机器人在迷宫式环境中导航的离线强化学习。
这部分工作指向了一个更广泛的想法。一种在地震碎片等紧密、变化的空间中移动的软体机器，可能也需要不依赖持续外部信号的板载计算。
贴片作为更大身体系统的一部分
Wang的实验室将计算阵列视为一个更完整平台的一部分，该平台能够感知、分析、通信和响应，同时保持足够柔软以匹配身体。
他的团队目前正在努力将该阵列与可拉伸传感器和无线通信组件配对。目标是制造一种不仅收集生物数据流，还能在现场解释这些数据并在关键时刻采取行动的设备。
"我们不需要将数据发送到远程服务器，而可以在生命发生的地方开始理解它，"阿贡国家实验室的计算机科学家、该研究的共同高级作者Fangfang Xia表示。
研究的实际意义
这项工作为可穿戴和植入式设备指明了一条不仅限于监测的路径。通过直接在人体上分析数据，柔软的计算贴片可以减少延迟，减少数据传输，并在时间至关重要的情况下（尤其是心脏紧急情况）提供更快的响应。
该研究还表明，高密度可拉伸电子设备能够在承受应变的情况下处理机器学习任务而不损失太多性能，这可能有助于未来的设备更自然地贴合皮肤或组织。
目前，这些结果仍处于硬件演示阶段，但它们指向了能够在同一地点、几乎同一时刻感知和解释信号的医疗系统。
研究结果在线发表在《自然电子学》杂志上。
原标题为"Stretchable AI skin patch analyzes heart data on the body in milliseconds"的原始故事发表在《更光明的一面新闻》(The Brighter Side of News)上。
【全文结束】
