Достижения в области электронных технологий кожи, основанные на искусственном интеллекте, обещают революцию в мониторинге и диагностике здоровья.

В недавней обзорной статье, опубликованной в журнале Природная медицина ИнтеллектУченые Калифорнийского технологического института обсудили использование технологий искусственного интеллекта (ИИ) в разработке электронной кожи следующего поколения (e-skin) и анализе данных о состоянии здоровья, собранных с помощью e-skin.

Обзор: Электронная кожа на базе искусственного интеллекта

Фон

E-skin определяется как интегрированная электроника, которая имитирует и превосходит функции человеческой кожи. Электронные скины гибки и удобны, поэтому их можно размещать на различных участках тела робота и человека для непрерывной и неинвазивной записи биосигналов. Электронные скины обычно используются в качестве человеко-машинного интерфейса в умных повязках, браслетах, наклейках в виде татуировок, текстиле, кольцах, масках для лица, а также индивидуальных умных носках и обуви.

Хотя электронные скины упростили сбор крупномасштабных данных о состоянии здоровья посредством записи в реальном времени, анализ и интерпретация медицинской информации по-прежнему отнимает много времени и является сложной задачей. Различные алгоритмы машинного обучения уже использовались в последних мультимодальных платформах электронной кожи для анализа данных. Последние достижения в области больших данных и цифровой медицины позволили технологиям искусственного интеллекта оптимизировать дизайн электронной кожи и создавать персонализированные профили здоровья.

Применение технологий искусственного интеллекта при проектировании электронного скина

Воспроизведение жизненно важных свойств человеческой кожи в искусственной коже остается проблематичным, главным образом из-за множества нерешенных материальных проблем. Было предложено использовать искусственный интеллект для оптимизации поиска материалов и конструкции датчиков для автономной разработки новых патчей электронной кожи.

Из-за своей биосовместимости и экономической эффективности натуральные материалы, такие как хлопок и шелк, являются традиционными материалами-основами для дизайна электронной кожи. Однако недостаточная растяжимость и возможность настройки являются существенными недостатками этих материалов. Синтезированные мягкие материалы показали многообещающие результаты в точном сборе сигналов. Однако эти материалы нуждаются в дополнительной проверке на биосовместимость и безопасность.

Машинное обучение как отрасль искусственного интеллекта позволяет выявлять перспективные материалы с заданными свойствами и оптимизировать синтез материалов. ИИ можно использовать для выбора и оптимизации методов производства на основе свойств материала. Кроме того, машинное обучение можно использовать для контроля качества при массовом производстве, а также для оптимизации дизайна электронной кожи.

Машинное обучение может более эффективно искать дизайны киригами для трехмерных адаптивных по форме электронных скинов и пиксельных плоских эластомерных мембран, чем механическое моделирование. Этот тип формы электронной кожи необходим для изогнутых поверхностей.

Для данных экспериментов с зашумленными и дискретными материалами с высокой дисперсией необходимо предварительно обработать данные путем интерполяции недостающих данных и повторной балансировки смещенных обучающих наборов. В настоящее время для более быстрой разработки и открытия материалов необходимы более стандартизированный набор данных и конвейер материалов.

Применение технологий искусственного интеллекта в обработке сигналов

Алгоритмы машинного обучения способны быстро и надежно анализировать данные и могут улучшить качество данных за счет шумоподавления сигнала, разделения нескольких источников и устранения артефактов. Машинное обучение также способно улучшить чувствительность и специфичность датчиков электронной кожи к целевому биомаркеру. Для биохимических датчиков, в которых используются ферменты с узким рабочим диапазоном, алгоритмы машинного обучения могут превзойти насыщение сигнала и калибровать нелинейные датчики в среде динамического тестирования.

Артефакты движения ответственны за фоновый шум в электронной коже. Машинное обучение может облегчить сбор точных данных, компенсируя шум и недостатки носимых датчиков. Благодаря повторяющемуся анализу результатов зондирования на основе данных платформы на базе искусственного интеллекта могут улучшить сенсорные возможности биосенсоров.

Электронные скины на базе искусственного интеллекта для человеко-машинных интерфейсов

Технологии искусственного интеллекта играют чрезвычайно важную роль в преодолении разрыва между взаимодействием человека и машины. ИИ может быстро анализировать и интерпретировать мультимодальные данные, полученные от патчей электронной кожи, для управления робототехникой и оказания помощи людям.

Тактильные датчики на базе искусственного интеллекта, используемые в системах человеко-машинного интерфейса на основе электронной кожи, могут быстро фиксировать сложные движения рук и передавать физическую информацию в компьютерную систему, помогая связанной робототехнике выполнять различные задачи, такие как задыхание объекта, обнаружение формы и идентификация объекта.

Роботизированные протезы, предназначенные для реабилитации движений людей с ограниченными возможностями, могут использовать электронные скины для извлечения данных о движении и алгоритмы машинного обучения для анализа и управления роботизированными операциями.

Электронные скины на базе искусственного интеллекта для диагностики и лечения заболеваний

Электронная кожа на базе искусственного интеллекта — многообещающий подход для высокоточной диагностики сердечных осложнений. Электронные скины на базе искусственного интеллекта могут быстро обнаруживать небольшие и постепенные сердечно-сосудистые изменения с течением времени, что может способствовать своевременной автоматической диагностике.

Электронные скины на базе искусственного интеллекта можно использовать для мониторинга уровня гормонов стресса в реальном времени и прогнозирования проблем с психическим здоровьем. Мультимодальные электронные скины на базе искусственного интеллекта обладают потенциалом для моделирования связей риска и прогнозирования последствий для психического здоровья путем выявления ранее нераспознанных связей между состоянием здоровья и факторами риска стресса.

Электронные шкуры на базе искусственного интеллекта можно использовать для мониторинга множества биологических параметров, а алгоритмы машинного обучения можно использовать для анализа данных, полученных от электронной кожи, для прогнозирования биомаркеров. Мониторинг лекарств и метаболизма на основе электронной кожи также может облегчить персонализированную терапию. Электронные скины на базе искусственного интеллекта можно использовать для оценки фармакокинетики и фармакодинамики с целью персонализации дозы лекарств.

Доступность и безопасность данных являются основными проблемами, связанными с клиническим применением электронных скинов на основе искусственного интеллекта. Таким образом, необходимы строгие правила для внедрения моделей на базе искусственного интеллекта в медицинскую практику. Более того, модели на основе ИИ могут допускать ошибки. Таким образом, важно убедиться, в какой степени люди могут доверять прогнозам, созданным ИИ.