亚利桑那州立大学(ASU)的嵌入式机器智能实验室(EMIL)正将人工智能(AI)整合到可穿戴技术中，以实现用户健康与安全监测的个性化和辅助功能。
该实验室旨在创建人们可以随身携带和佩戴的复杂紧凑型技术，以改善便携式健康系统。EMIL主任兼健康解决方案学院教授哈桑·加塞姆扎德(Hassan Ghasemzadeh)表示，实验室正在设计、开发和验证能够成功并被广泛采用的技术。
"我们的重点是构建利用AI驱动的健康领域传感器系统……以改善健康状况、检测健康事件、提供自动干预、提取与不同健康结果相关的生物标志物，"加塞姆扎德表示。
加塞姆扎德表示，他自2007年以来一直在研究数字健康，并于2021年在亚利桑那州立大学成立了EMIL。他补充说，实验室致力于确保透明度，提供以用户为中心的反馈和帮助，同时允许技术使用者保持自主权和控制权。他表示，为改进AI系统，EMIL专注于个性化和考虑个体差异，这些因素包括年龄、人口统计学特征以及实时变化的用户数据。
"（我们）确保在进行所有这些预测和健康评估时考虑用户的背景，"加塞姆扎德表示。"他们今天发生了什么？随着时间的推移情况如何？在这一背景下，你才能做出准确的预测。"
计算机科学博士生雷扎·拉希米·阿加汉(Reza Rahimi Azghan)表示，他专注于为实验室开发算法。他主要研究"轻量级"系统，这些系统可以集成到腕带等小型设备中，而这些设备没有运行大型程序的资源。
"我们希望这些模型在这些设备上运行的原因是，我们希望在移动应用中部署这些模型或系统和机器，"拉希米·阿加汉表示。"在那些直接与人类互动的设备上。"他表示，机器和算法的任务是能够预测或识别用户在特定时间正在进行的活动类型，这一目标可以从收集心跳数据、皮肤电活动水平、皮肤导电性等多方面实现。
大多数机器学习或AI模型的一个常见问题是，它们擅长泛化，但难以长期保留大量数据，这被称为"灾难性遗忘"。然而，EMIL对AI中的持续学习很感兴趣。拉希米·阿加汉表示，EMIL不是教其模型搜索新知识，而是强调增加模型的保留能力，以便在用户的个人设备上构建或记忆用户数据。
EMIL当前的项目之一HeatMind正在研究消防员在他们经常经历的高强度环境中所面临的热应激和与热相关的疾病。生物医学信息学和数据科学专业的大四学生艾希礼·中渡(Ashley Nakawatase)作为毕业设计的一部分开始参与该项目。
中渡表示，实验室旨在研究如何通过可穿戴传感器实时监测消防员的健康指标。她说，这种教育和意识使第一响应者能够更安全、更高效地为公众服务。"这些是一线响应者，是试图保护我们的人，他们也需要被保护，"中渡表示。"与消防员建立这种纽带……能在社区内带来更高层次的联系，也能整体加强社区的应急响应团队。"
该团队还从事涉及代谢健康、心理健康和心血管健康等主题的项目。加塞姆扎德表示，EMIL将继续致力于创建具有广泛应用、使用选项和公众信心的健康系统。"你如何扩展技术？"加塞姆扎德表示。"你要确保它坚固可靠。你要确保它透明。你要确保总体上增加对这些系统的信任。"
【全文结束】
