7月5日上午,北京曙光易通技术有限公司主办的非接触式人体振动体征监测技术研讨会在北京成功举办。本次会议提出了基于振动大数据的疾病筛查与健康管理新模式,曙光易通非接触人体振动体征监测技术首次亮相。
曙光易通自2016年起与日立超LSI公司、日本秋田大学医学部合作启动非接触式振动体征监测项目,通过充分发挥三家机构在技术、人才和市场上的优势,以压电式传感技术、高精度信号解析技术和振动体征智能分析判断技术为核心,使用非接触无源压电式传感器采集高精度振动体征信号,在云端对振动体征信号进行深度解析和智能判断,重点通过心率、呼吸、睡眠和体动数据进行疾病筛查和健康管理,创新机构、社区、居家三位一体的健康管理服务模式,实现远程健康监护,做到时时健康监测,日日健康管理,形成定期评价,做到疾病的早期发现、早期治疗。
曙光易通非接触式振动体征监测技术运用低价格传感器组件,在无拘束状态下获取人体体征振动大数据信息,能及时准确地分析人体健康状态,进行疾病筛查和健康预测,对中国即将进入老年化社会的健康管理具有巨大意义。
本次研讨会旨在通过国际资深的振动体征专家秋田大学医学部部长尾野恭一教授到北京与国内医疗机构的专家学者、康养机构的管理人员一同就振动体征大数据进行学术交流和应用研讨,以推动非接触式振动体征监测技术在中国的应用和发展。中国老年保健协会、北京大学第三医院、第六医院、东南大学、三零一医院、莱芜新矿医院的医学专家,平安科技、人保资本、顺泽悦康等保险和部分健康机构的嘉宾,以及莱芜市政府代表应邀出席。
中国老年保健协会副会长兼秘书长俞华在会上表示,中国已经进入了老龄化时代 未来老年人的健康管理、养老护理对于家庭和社会的压力非常大。协会关注并支持具有实时性、准确性、无创伤性等特征的监测新技术的发展和相关服务产品的研发,以帮助医养机构、医护人员和家庭成员更加便捷、有效、及时地掌握患者的体征变化,做好相应的健康管理,造福于家庭和社会。
北京曙光易通技术有限公司总经理韩烽在会上发表了致辞,向与会代表介绍了三年来通过国际合作与日立超LSI、日本秋田大学医学部开展非接触式人体振动体征监测项目研发的进展情况,该项目作为中科曙光“数据中国”战略的重要组成部分,下一步将通过云计算、物联网、振动体征大数据与疾病筛查、健康管理的紧密结合,创新数字健康新模式,引领数字健康新方向。
本次研讨会邀请了日本秋田大学医学部部长尾野恭一教授做“关于使用振动体征传感器的心率、呼吸远程监控系统实用化研究-面向疾病筛查及健康管理的应用”的主题演讲,与与会来宾研讨如何采取非接触式压电式传感技术、高精度信号解析技术和振动体征智能分析判断技术实现疾病筛查和健康管理。
会上,莱芜市钢城区史秀卫副区长就与曙光易通和日立合作开展非接触式人体振动体征监测技术产业化和应用示范的情况进行了介绍,下一步莱芜市将积极支持建设各类人群的振动体征大数据的应用示范,实现医疗(康养)机构、社区和居家三位一体的数字健康管理模式,同时通过莱芜市人体振动体征大数据的建设,为国内医疗机构和专家学者开展振动体征判断和辅助诊断等领域的人工智能创新项目科学研究提供落地支持,建设人体振动体征人工智能平台和联合实验室,共同探索基于人工智能的人体振动体征诊断标准,推动健康服务体系持续优化升级。
在本次研讨会结束后,曙光易通将于今年10月正式推出首款集云计算、大数据、物联网和人工智能于一体的非接触、高精度和低成本人体振动体征监测设备,实现个人健康实时监测与评估、疾病预警、慢病筛查和主动干预,实现远程健康监护和日常健康监测管理,做到疾病的早期发现、早期治疗。打造基于振动大数据的疾病筛查与健康管理新模式。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。