在智能手机上的边缘计算已被用于分析由多模态柔性可穿戴传感器贴片收集的数据，并检测心律失常、咳嗽和跌倒。
可穿戴传感器是可以穿戴在身上的设备，用于测量身体状态。它们是物联网（IoT）的一部分，并在健康监测方面显示出巨大的前景。这些传感器生成大量数据，而这些数据必须经过处理才能被理解。处理这些数据的计算领域是在传感器或与传感器相连的设备上进行处理——而不是在云端的远程服务器上——称为边缘计算。边缘计算是可穿戴传感器技术的一个关键要素。
来自日本的研究团队，由北海道大学的武井邦治教授和东京大学的中岛浩平副教授领导，制造了一种柔性多模态可穿戴传感器贴片，并开发了能够检测志愿者心律失常、咳嗽和跌倒的边缘计算软件。该传感器将智能手机用作边缘计算设备，在《Device》期刊上发表的论文中进行了描述。
“我们在这项研究中的目标是设计一个可以使用边缘计算处理和解释数据的多模态传感器贴片，并在日常生活中检测疾病的早期阶段，”武井解释道。
该团队制造了能够通过心电图（ECG）、呼吸、皮肤温度和因出汗引起的湿度监测心脏活动的传感器。在确认其适合长期使用后，这些传感器被集成到一块柔性薄膜（传感器贴片）上，能够粘附在人类皮肤上。传感器贴片还包括一个蓝牙模块，以连接至智能手机。
团队首先测试了传感器贴片在3名志愿者身上检测生理变化的能力，志愿者将其佩戴在胸前。传感器贴片在湿球全球温标（用于确定热应激可能性）为22°C和超过29°C的条件下监测志愿者的生命体征。“尽管我们的测试组很小，但我们可以观察到他们在高温下的时间序列监测中的生命体征变化。这一观察可能最终导致发现早期热应激的症状，”武井解释道。
该团队开发了一种机器学习程序来处理记录的数据，以检测其他症状，如心律失常、咳嗽和跌倒。“除了在计算机上进行分析，”中岛详细说明，“我们还设计了一个可以在智能手机上执行相同分析的边缘计算应用程序。我们实现了超过80%的预测准确率。”
“这项研究的重大进展在于将多模态柔性传感器、实时机器学习数据分析和使用智能手机进行远程生命体征监测整合在一起，”武井总结道。“我们系统的一个缺点是训练无法在智能手机上进行，必须在计算机上完成；然而，这可以通过简化数据处理来解决。”这项研究推动了基于贴片的边缘计算系统在远程医疗或远程诊断中的概念发展。
