一只监测心脏健康的马桶圈,会给AI创业者带来哪些启发?

发布者:csw520最新更新时间:2019-03-09 来源: 脑极体 企鹅号关键字:人工智能  创业者  算法 手机看文章 扫描二维码
随时随地手机看文章

还记得2015年有一篇《去日本买只马桶盖》的文章大火,讲述了一个中国游客组团去日本将马桶盖买断货的“人肉代购”现象,由此引发了一场中国的“厕所革命”,更让“中国制造”成为了风口浪尖上的话题。

四年过去了,以“马桶盖”为名的“洁身器”在中国的城市家庭已经非常普遍,其中就有很多来自中国的加工厂。那么,这场马桶升级的名誉保卫战就到此结束了吗?目前看来,距离“成功”还为时过早。

在大洋彼端,有科学家正在用马桶圈,介入老年人和心脏病患者的健康诊疗。而这背后,正酝酿着下一场至关重要的“厕所革命”。

这一次,谁又能跑到前列呢?

想买马桶盖,改道去美国?

相比几年前国人纷纷去日本抢购的取代传统马桶圈功能的“洁身器”,最近罗彻斯特理工学院工程师发明的一款智能马桶圈,功能更为强大。

它可以通过在人体组织上照射激光来获得细胞健康的重要信息,实时评估线粒体氧化状态,准确地跟踪血压、血氧水平和其他心脏数据,再经由后台的AI算法,预测心脏骤停的概率。也就是一个简单的“马桶圈”,就可以密切监控心脏健康状况,为老人和医院里患有心力衰竭的患者提供随时随地的护理和观照。

座椅包括三个关键传感器:用于测量心脏电活动的心电图,一个测量血氧水平的光电容积描记图,和心冲击描记图。心冲击描记图能够用来测量心脏抽血的能力:即血液突然从心脏射入主动脉,逐渐跟踪身体的反冲。工程师Borkholder认为,这是一个完美的可以衡量一个人坐下来时每次心跳从心脏抽出的血液量(即每搏输出量)。

这意味着,如果监测系统按照预进行工作,该装置可以帮助发现心脏衰退的早期迹象,从而减少心脏病患者的住院次数。

研究人员还通过罗彻斯特大学医学中心的38名健康志愿者和111名心脏病患者的心脏容量测量值(这是心脏健康的关键指标),实验结果证明,测量心脏数据的马桶座与医院级监测设备的黄金标准效果一样好。

看到这里,想必不少在外打拼的年轻人都有些意动。近两年因为心脏问题而猝死的现象时有发生,它早已不仅是老年人的“专属风险”,都市里工作紧张、压力大的中青年,都是心源性猝死的高危人群。现在有可能无需花费过多时间和精力去注意,就能够每天规律地监测心脏健康状况,岂不是大大的好事?

正所谓“上医治未病”,对于心脏这种关键且高危的潜在病例特征,如果能在它开始兴风作浪之前,就通过有效的监测算法将危险杜绝于萌芽之中,自然是最理想的治疗了。

新硬件的未来:懒惰是第一生产力

伴随着“马桶盖”技术的更新换代,我们不难看到人工智能硬件的发展方向:

1.可持续的数据采集

研究表明,人类并不擅长持续服用药物、遵循医疗保健计划,或者定期记录健康信息,即使医生明确要求,也往往会半途而废。而世界卫生组织的数据显示,让人们坚持医疗干预,可能会比任何特定的医疗对健康产生更积极的影响。

为什么在坚持记录健康数据这件事上,人类总是会犯“臣妾做不到”的毛病,也许跟注意力资源越来越稀缺有关。人们总是想把注意力投资在更有价值的事情上面,与之相比,放弃一两天的测量,结果似乎并非不可承受。

而马桶圈则不需要人类付诸特别的注意力,其工具化属性和使用难度被大大简化,只需要坐在上面传感器就会自动工作,并且,这款智能马桶圈具有防水功能,可以使用任何传统的家用清洁器进行清洁,并将健康数据直接无线传输到云端,可以说是零门槛操作了,没有任何学习和操作成本。因此,高频率的心脏监测培养成习惯,也就变成了一个现实可行的事情。

2.医疗级的临床价值

其实“智能马桶”的创意并不新鲜。谷歌就拥有能够追踪健康的卫生间的技术专利,而日本制造商Toto和Matsushita(现为松下的一部分),也都开发过能够通过Wi-Fi连接的马桶。但这类产品大多侧重于进行尿液和粪便分析,而不是使用座椅中的传感器跟踪生命体征。

但需要利用马桶来高频检测尿液、粪便指标的疾病,几乎不存在。偏偏对高频检测能力需求很迫切的血压、心脏等问题,一直没有简便快捷的方式。

目前唯一经FDA批准的心力衰竭监测仪CardioMEMs HF系统,需要将一个小型压力传感器植入心脏附近的动脉,并要求患者每天躺到床上的电子装置上才能捕获数据。

与之相比,不需要改变行为或习惯就能够采集到心脏健康数据的“智能马桶圈”,其出现就显得非常重要。

3.可靠的算法+边缘处理能力

工程师Borkholder的工作之所以令人惊叹,还在于不仅发明了一种全新的健康数据采集模式,而且超越了传统硬件的能力,指向了结合计算机和AI的新方法。

尽管目前我们还没有得知这款心脏健康预测算法的具体细节,但从已有的产业端实践推测,其市场前景只要来自于两方面的潜力:一是算法的有效性。来自谷歌、IBM、加州大学等机构的研究人员,都推出了相应的根据临床监测数据预测人体脏器细微变化辅助诊疗的算法,技术的临床价值已经得到了多方验证,欠缺的只是更大、更多样化的患者群体中验证和校准,“心脏监测马桶圈”的出现正当其时;

二是数据的安全性。和体联网、便携式智能硬件的高安全风险不同,该马桶圈的应用场景决定了其在边端侧就能够处理收集的数据。由于不会上传到云端就可以分析新的行为和异常情况,也就避免了隐私被截获的危险。

不过也别高兴得太早,这款马桶圈距离真正面世还有大规模临床实验和工程化的道路要走,最终的价格可能也会劝退不少人,并不需要过早担心会被“人肉代购们”抢断货。不过在它背后,我们却可以思考一个问题:如果想要在智能物联的新时代弯道超车,AI创业者们到底应该向何处去?

AI落地:亟待揭开的双重枷锁

人工智能的火爆带起了新一波智能硬件浪潮,每年有无数人力物力财力投入其中,仅2017年就有152亿美元被吸引到该领域。而与此并不对应的是,我们常见到的却是各种层出不穷的蠢笨机器。

更有甚者,很多项目只是贴上了“AI”标签的融资商品,涉及具体的算法、逻辑、商业化路径时,就说不上所以然。

不过随着一级市场募资的难度和成本加大,这种“先上车、后补票”的方式正在被投资人放弃。缺乏核心技术、商业模式又尚未成型的AI创业项目,将在2019年面临残酷的淘汰赛。

面对这种不太乐观的形势,或许是时候回头仔细看看人工智能硬件商业化的现实困境了。

一般来说,AI硬件想要商业化平稳着陆,需要解决的核心问题本质上只有两个:一是工程基础;二是成本问题。

宏观上看目前的AI创业者,已经有了很好的“发动机”,各种算法引擎、数据集、开源架构等等。以医疗领域为例,已经做出了非常优秀的算法,比如加州大学利用机器学习算法,可以在发病的六年前诊断出早期阿尔茨海默症,准确率高达98%。

但从实验室到用户身边,还需要一个复杂而精密的传动机制,包含了传感器、芯片、云服务器等所有中间环节,将算法传导到硬件。

很多人的想象中,AI硬件的技术很成熟,给完需求和设计图稿,就能从流水线上得到预想的产品大,但事实绝非如此。目前来看,智能物联的产业生态环境是割裂的。

工程环境中有着冗长的流程和各种隐蔽的陷阱,技术开发者与工程团队、制造产业链各自为政。能否找到可靠的硬件团队和愿意配合的ODM厂商,对AI硬件创业者来说至关重要。

“心脏监测马桶盖”的发明者已经成立了一家名为Heart Health Intelligence的公司,并与美国一家设备公司合作生产。而另一家刚刚拿到84万美元融资的美国AI初创企业Cherry Labs,则在柏林、莫斯科和深圳三地部署了超过27名AI研究人员、产品设计师和工程师。

接下来要面对的第二个问题,是成本。很多产品,诸如智慧安防、健康监测等,虽然有足够的需求量和越来越合理的解决方案,但成本上如果不降下来,最终恐怕也会黯然离场。

前面提到的Cherry Labs,它们研发的人工智能家居系统Cherry Home,能够通过视觉传感器和麦克风来检测和跟踪老年用户,根据异常视频判断老人绊倒、哭泣、呼喊等行为,并及时将信息发送给医疗人员,以降低意外并发症的概率。

该硬件和“心脏监测马桶圈”一样,对于老年人和病患监护有着很强的现实意义。但现实问题是,这样一套传感器和处理器的售价却在1600-2000美元(最多支持6个房间)。在高昂的价格面前,其市场表现恐怕会比较尴尬。

(Cherry Home 拍摄的一位步履蹒跚的老年病人的照片)

综合来看,尽管上游的技术算法和设计能力已经做好了准备,但想要通过AI硬件来实现一些美好的橙黄想,在缺乏产业生态、制造基础等下游支持的前提下,依然只能画饼充饥。

但无论如何,“心脏监测马桶圈”的出现,是AI开发者融合割裂化场景和体验的一个优质案例,正在展现出越来越清晰和明确的开发方向,而不仅仅是PPT上的“虚假繁荣”。

毕竟,人工智能与物联网的结合,不是为了听上去有多么炫酷高大上,而是真正改变普通人的生活。

未来已在路上,希望真的到了那一天,我们不需要越过大洋去抢购一只马桶圈了。


关键字:人工智能  创业者  算法 引用地址:一只监测心脏健康的马桶圈,会给AI创业者带来哪些启发?

上一篇:在颅内压监测中应用的光纤压力传感器
下一篇:院外心电监护市场被看好,「粒恩医疗」通过设备+专职医疗服务入局

推荐阅读最新更新时间:2024-03-16 12:16

通过LC电源滤波电路改善SSO 的算法与设计
0 引 言 CMOS 技术的发展使得芯片的集成度越来越高,单一芯片所拥有的IO 数量也越来越多,当这些芯片大量应用在高速数字系统中,同步开关噪声就显得非常突出。 同步开关噪声(SSN)是由IO 输出缓冲同时开关产生的,也称作同步开关输出噪声(SSO)。产生SSO 的一个主要原因是电源分配系统(PDS)存在阻抗。具体讲就是从电源的输出端到芯片的输入端存在着一段距离,在这段路径上存在着阻抗,从集中模型来看,相当于串联了集中分布的电阻和电感元件。当一定数量的CMOS 输出驱动电路同时打开时,就会有很大的电流瞬间涌入这些感性元件中,这种瞬间快速变化的电流会在感性元件上产生感应电动势,引起芯片电源输入端的供给净电压不足或过高。
[模拟电子]
光子张量CPU:迸发5G机器学习新活力
翻译自——EEtimes 近期,一种用光子张量处理器代替GPU来进行机器学习的神经网络计算的新方法表明,在处理光学数据传输的性能上可以提高2-3阶。这也表明光子处理器具有增强电子系统的潜力,并可能在5G网络边缘设备中表现强劲。 美国乔治华盛顿大学电子和计算机工程系的Mario Miscuglio和Volker Sorger在《应用物理评论杂志》上发表了一篇论文,题为《基于光子的处理单元使更复杂的机器学习成为可能》。 在他们的方法中,光子张量核并行执行矩阵乘法,这提高了深度学习的速度和效率。在机器学习中,神经网络被训练来学习如何在不可见的数据上执行无监督的决策和分类任务。一旦神经网络对数据进行了训练,它就可以产生一
[嵌入式]
光子张量CPU:迸发5G机器学习新活力
AONDevices推出RISC-V架构的AI边缘处理器
在本周的2024年消费电子展(CES)上,机器学习供应商AONDevices展示了其最新芯片AON1120。这款芯片将通用的RISC-V内核与两个神经处理单元(NPU)相结合,为音频分类任务提供了满负载时低于260μW的功耗。 AONDevices的首席执行官Mouna Elkhatib在谈到公司的最新产品时表示:“AON1120芯片证明了我们对尖端、超低功耗边缘人工智能(AI)的承诺。它可以极大地改进语音、声音和多传感器融合应用,这对于追求永远在线功能的开发人员和企业来说至关重要。” AON1120是一款SoC,它包含一个建立在免费开源RISC-V指令集架构(ISA)上的通用处理器内核,以及专用的数字信号处理器(DSP)
[嵌入式]
给医生安装程序员“大脑”,AI欲搅动科研界?
近日,推想科技在北京发布AI学者科研平台——InferScholar*Center,将人工智能基础设施与科研服务能力相结合,为医生提供零门槛的AI科研能力。 InferScholar*Center可提供临床科研全流程的可视化操作,并且预置深度学习模型和影像组学算法,医学研究人员无需进行任何代码编程即可开展AI医学研究。InferScholar*Center也支持创建、修改、编辑模型源代码的功能,使具备代码基础的研究人员可依据个性化需求编辑预置模型代码或创建全新模型。 跨越编程,赋予医者AI开发能力 随着医疗信息化水平的提升,医疗设备的升级,医疗数据无论从数据量、数据产生的速度或是数据种类,一直保持高速增长。以医疗影像数据为例
[医疗电子]
ReRAM授权协议提升AI和传感器芯片性能
Dialog半导体已将其导电桥接电阻RAM非易失性存储器(NVM)技术授权给Globalfoundries,但生产计划要等到2022年。 Globalfoundries公司计划在2022年将CBRAM作为其22FDX绝缘体上硅22nm制造工艺的嵌入式NVM选项,并计划将该方案扩展到其他制程。 Facebook首席人工智能科学家Yann LeCun表示, ReRAM技术是嵌入式人工智能的一项关键技术。CBRAM可在恶劣的环境下工作,可用在物联网、5G连接、人工智能、消费者、医疗以及某些工业和汽车应用上。 内存只需要在逻辑过程中添加一个掩码层,但目前还不清楚为什么这个技术需要如此长的时间才能投入生产。Dialog声称
[嵌入式]
ReRAM授权协议提升<font color='red'>AI</font>和传感器芯片性能
一个利用边缘AI实现山火警报的实际案例
编译自Edge Impulse 早期发现对于控制山火蔓延至关重要。然而,大多数检测系统依赖于卫星和光学热监测,通常在点着火后一到三个小时产生警报。在森林中部署无线传感器节点是对抗山火的最常用解决方案之一。但是由于现有设备的功耗,限制了现场部署。此外,到目前为止,这些传感器节点只是一个数据收集的设备,在远离数据生成点的服务器上盲目地收集数据并将数据发送到运行在服务器上的检测算法,这会显著增加能耗和响应时间。 边缘机器学习则解决了这一瓶颈。将计算后的节点数据上传到云端,可显著提升电池寿命和系统响应时间。嵌入式爱好者 Pratyush Mallick开发了一个集成机器学习的山火检测方案。 该系统包括一个来自 ADI的EV-
[嵌入式]
一个利用边缘<font color='red'>AI</font>实现山火警报的实际案例
5G+AI,这才是自动驾驶正确的打开方式
要实现完全靠谱的自动驾驶,目前有两种主流的方向: 一是利用激光雷达等传感设备,通过AI和单车智能,让车辆自己识别各种路况,并且根据识别后的路况进行判断,再采取相应的措施。这种技术偏向于让车辆进行即时演算,通过摄像头和雷达等车载设施的相互配合完成自动驾驶。 就好比让车辆有了自己的眼睛、大脑和手足,通过眼睛(激光雷达)将看到的信息通过神经系统(各种传感设备)传递给大脑(中央处理器),然后大脑在经过判断后发出指令,传递到手足(加速或刹车等控制设备)来行动,让车辆如同一个正常人来进行活动。 二是车路协同。通过网络让所有的交通参与者(包括路标、信号灯、骑行者以及行人等)实现在线互联,让所有的交通参与者都能随时掌握附近的各
[汽车电子]
5G+<font color='red'>AI</font>,这才是自动驾驶正确的打开方式
深度:苹果造车永远不晚,错过AI必死无疑!
北京时间2月28日凌晨,美国媒体报道称,苹果内部已经正式官宣砍掉进行了十年之久的Titan项目、内部超2000名员工面临转岗或者裁员。 这个消息被解读为苹果不会再造车了。 实际上,苹果造车项目被报道砍掉也不是第一次了,在2022年,因多次精准公布苹果动态的分析师郭明錤爆猛料:苹果汽车项目团队已解散! 这一次爆料的是Bloomberg的Mark Gurman,而做出砍掉汽车项目的是苹果的COO Jeff Williams和负责该项目的VP Kevin Lynch,并且对项目团队人员做出了具体安排——转向AI、或者裁员。 实际上,车智判断认为:苹果造车永远不晚、错过AI必死无疑!是的,苹果现在更需要AI的故事、更
[汽车电子]
深度:苹果造车永远不晚,错过<font color='red'>AI</font>必死无疑!
小广播
添点儿料...
无论热点新闻、行业分析、技术干货……
最新医疗电子文章
换一换 更多 相关热搜器件

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 医学成像 家庭消费 监护/遥测 植入式器材 临床设备 通用技术/产品 其他技术 综合资讯

词云: 1 2 3 4 5 6 7 8 9 10

北京市海淀区中关村大街18号B座15层1530室 电话:(010)82350740 邮编:100190

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved