通过机器学习和创新的智能材料，智能可穿戴传感器能够实现快速、准确的疾病诊断、个性化治疗和持续的健康监测，而不会扰乱日常生活。这种集成促进了从传统的以医院为中心的医疗保健向更加分散的以患者为中心的模式的转变，在这种模式下，可穿戴传感器可以收集实时生理数据，对这些数据流进行深入分析，并为即时诊断和个性化治疗生成可操作的见解。尽管智能材料、机器学习和可穿戴传感技术发展迅速，但缺乏系统地研究这些领域交叉点的全面综述。
据麦姆斯咨询报道，近日，奥斯陆城市大学（Oslo Metropolitan University）和新加坡国立大学（National University of Singapore）联合在Advanced Materials期刊上发表了题为“Transforming Healthcare: Intelligent Wearable Sensors Empowered by Smart Materials and Artificial Intelligence”的综述文章。该综述对智能先进材料和人工智能（AI）赋能的可穿戴传感技术进行了批判性分析。首先研究了增强传感器功能的先进智能材料，包括自修复材料、超构材料和响应材料，讨论了集成到可穿戴设备中的先进机器学习方法，并强调了它们在生物医学应用中的作用。然后还研究了由智能材料和机器学习驱动的可穿戴传感器的综合影响，以及它们在智能诊断和治疗中的应用。最后讨论了现有的挑战，包括技术和合规问题、信息安全问题和监管考量，并提出了推进智慧医疗的未来方向。
用于智能医疗保健的智能材料和机器学习增强型可穿戴传感器
I 可穿戴传感器中的智能材料
尽管配置因应用而异，但可穿戴传感器中使用的材料通常由传感材料、导电材料和衬底材料组成。利用智能材料构建这些层可以为可穿戴传感器提供独特的功能和增强的性能，例如在损坏、退化或变形后根据需要进行自我修复，以及选择性目标传感。柔性传感器常用的智能材料包括自修复材料、超构材料、响应传感材料、可生物降解材料和形状变形材料。
可生物降解材料主要用于可植入传感器，其中生物相容性和可控降解对于临时医疗监测至关重要。由于持续外部使用所需的耐用性、机械鲁棒性和长期稳定性方面的挑战，它们在可穿戴传感器中的作用有限。形状变形材料，例如形状记忆聚合物和水凝胶，更多地应用于软机器人、生物医学植入物和可重构设备，而不是可穿戴传感器。由于材料响应性、集成复杂性和长期机械稳定性方面的挑战，它们与可穿戴电子设备的集成仍然相对不常见。由于本综述主要关注可穿戴传感器，可生物降解材料和形状变形材料在可穿戴应用中的使用有限，因此仅简要讨论了它们。因此，本综述重点介绍了自修复材料、超构材料和响应传感材料，这些材料在提高可穿戴传感器的性能、适应性和耐用性方面发挥着更重要的作用。
智能材料包括自修复材料、超构材料和响应材料
II 可穿戴传感器中的机器学习
可穿戴传感器可以获取与患者健康状况相关的连续高分辨率多参数数据。然而，这些复杂的数据可能由多变量、非线性的生理模式组成，难以用传统的处理方法识别。为了应对这一挑战，机器学习——被定义为一种能够通过从原始数据中提取独特或所需特征来获取知识的计算机程序——已被集成到可穿戴传感器技术中。这使得能够准确解释可穿戴传感器收集的数据，使用户和临床医生可以方便有效地调整治疗或采取适当的行动。机器学习在推进可穿戴技术的各种应用方面已经显示出巨大的前景，包括诊断和预测疾病，以及监测和评估运动表现。
机器学习大致可以分为三种类型：无监督学习、监督学习和强化学习，每种类型在增强智能可穿戴医疗传感器的功能方面都发挥着至关重要的作用。与监督学习和无监督学习相比，由于一些挑战，强化学习在可穿戴传感器中的应用较少。这些挑战包括高计算需求、训练时对大量交互数据的需求、实时处理限制以及医疗应用中的安全问题。目前，监督学习和无监督学习在可穿戴传感器数据分析中发挥着更为主导的作用，该综述主要关注了它们的应用。研究人员总结了可穿戴传感器领域中报道的几种关键处理技术。
机器学习算法示意图
III 基于智能材料和机器学习的智能可穿戴医疗传感器
可穿戴传感器可以无创/微创地佩戴在身体上，以监测和收集各种生理指标。它们将这些指标转换成电信号或光信号，然后传输到计算机、智能手机和手表等外部设备，进行记录、处理和显示。这些传感器在智能医疗中作为感知单元和数据抓取器，无缝地结合机器学习来辅助决策。根据其工作机制，可穿戴传感器可分为几种类型：生化传感器、生物电传感器、生物力学传感器、光学传感器、热传感器和其它类型传感器。
智能生物电势传感器
智能机电传感器和热传感器
智能生化传感器
IV 基于机器学习和智能材料的可穿戴传感器的生物医学应用
智能材料和机器学习增强的可穿戴传感器可以满足广泛的用户需求，包括健康个体、高危或慢性患者，以及在康复中心和公共卫生组织提供专业服务的医疗保健专业人员。它们能够早期发现疾病风险，持续监测生物标志物，更深入地了解个体健康状况，从而制定更精确和个性化的预防和治疗策略。可穿戴传感器尤其有助于提供智能预防保健，改善慢性病管理，智能医学和智能康复，显著改善了医疗服务的质量，并能够根据个人需求开展实时的、以患者为中心的干预措施。
通过机器学习和可穿戴传感器实现智能医疗保健
尽管已经取得了重大进展，但由智能材料和机器学习驱动的智能可穿戴传感系统仍然需要应对许多挑战和限制，以充分发挥其潜力。为了让健康和医疗保健领域的个人（例如医疗保健专业人员和患者）成功采用，必须重点关注其可用性设计、友好界面、数据完整性、临床准备、与临床需求的一致性、可负担性以及与现有医疗系统的整合。关键考量因素包括解决数据隐私和安全问题，克服可穿戴传感器的技术限制，例如准确性和可靠性，满足用户需求，培养动力和合规性，以及应对监管和道德挑战。必须谨慎管理这些因素，以确保有效实施。
虽然这些挑战和限制构成了重大障碍，但它们也为正在进行的研究、创新和合作开辟了道路。随着技术的进步和利益相关者合作解决这些问题，智能可穿戴传感器具有巨大的潜力，可以彻底改变医疗保健，为更个性化、更积极的疾病管理方法和改善整体健康状况铺平道路。
论文链接：
https://doi.org/10.1002/adma.202500412
