心律问题发生率不断上升，与人口老龄化和医院拥挤问题相互交织。与此同时，许多人仍依赖笨重的监测仪和粘性的一次性贴片来追踪心脏活动。西蒙弗雷泽大学（Simon Fraser University）的一个团队认为，可以通过一条柔软可重复使用的腰带和一个人工智能系统来改变现状，该腰带能监听你的心跳，并实时解读数据。
更柔软的心脏监测方式
西蒙弗雷泽大学机电一体化系统工程学院的研究人员开发了一种新型心脏监测系统，它像柔性带子一样缠绕在胸部。腰带采用小巧的3D打印杯状结构，这些杯子以折纸启发的形状折叠，并通过温和吸附方式固定，取代了冰冷的粘性贴片。
这些杯子充当“干”电极。它们使用直接印刷在塑料上的碳基墨水，将心脏的电信号从皮肤传导至紧凑的可穿戴设备。无需涂抹电解质凝胶，也无需事后撕下一次性贴片。
西蒙弗雷泽大学教授金宇洙（Woo Soo Kim）表示：“当前的心电图测试依赖一次性粘性贴片和凝胶，这些贴片可能干燥脱落。我们的干电极与凝胶传感器一样准确，但对患者更舒适且更易使用。”
解决标准心电图的问题
如果你曾佩戴过医院心电图或霍特尔监测仪，你了解这个流程：护士在胸部清洁或剃掉小块皮肤，放置粘性贴片，添加凝胶，然后连接导线。数小时或数天后，贴片可能发痒、移位或脱落，凝胶会变干。医护人员必须更换耗材，并事后清除皮肤上的粘性残留物。
每次测试还会产生来自一次性贴片、凝胶和背衬纸的医疗废物。记录后，医生仍需逐行审阅数据。在本已紧张的系统中，这需要时间。
西蒙弗雷泽大学的腰带旨在避免许多这些麻烦。由于干电极不依赖凝胶，护士和患者无需担心干燥或混乱。当吸附杯失去接触时，只需轻按即可恢复密封。电极可清洁重复使用，从而降低成本和浪费。
内置智能以加速诊断
在新硬件基础上，团队添加了人工智能形式的智能。与腰带连接的可穿戴设备运行内置软件，可预诊断多达10种常见的心律失常类型。
金宇洙表示：“最重要的是，AI算法能帮助医生更快、更准确地诊断。”测试结果可电子发送给医生确认，无需等待纸质记录的当面审阅。
对患者而言，速度至关重要。据欧洲心律协会称，全球三分之一的人将患上某种类型的心律失常。最常见的心房颤动预计到2050年将全球增长60%以上。早期检测可降低中风、心力衰竭和急诊就诊的风险。
前线护士的观察
为了解该系统在实际诊所中的工作情况，研究人员与温哥华综合医院（Vancouver General Hospital）心脏监测单元的护士合作。在西蒙弗雷泽大学博士后研究员陈怡婷（Yiting Chen）领导并发表在《生物传感器与生物电子学》（Biosensors and Bioelectronics）期刊上的研究中，团队在真实监测条件下测试了干电极和腰带设计。
护士报告称，该腰带能显著提高舒适度和依从性，尤其是在长期监测中。目前，许多患者带着霍特尔监测仪回家，这些监测仪挂在肩带上，拉扯导线，并钩住衣物。贴片可能在睡眠或淋浴时脱落，迫使人们重新粘贴甚至重复测试。
使用折纸形状的杯子，工作人员无需在贴片脱落时频繁更换新贴片和凝胶。简单按压即可重新建立吸附。这一微小改变使你或护理人员在数天内更轻松地管理设备。
触及偏远患者和繁忙病房
金宇洙及其同事认为该系统不仅是研究原型。他们将其设想为一种环保、用户友好的工具，适用于从繁忙的急诊室到安静的长期护理机构等多种环境。
该腰带和设备也可能成为农村或偏远社区的生命线，在这些地方，心脏病专家资源有限。金宇洙表示：“诊断工具价格合理且易于获取非常重要。”一个目标是在第一民族（First Nations）和偏远社区部署该技术。
在这种环境下，需要监测的人可以在家中佩戴腰带并自行测量。AI软件将分析心律并标记潜在问题。这种初步评估随后可发送给异地医生进行完整诊断，避免为简单检查长途跋涉，并更早发现危险信号。
智能腰带的未来发展
西蒙弗雷泽大学团队目前正在努力完善设备背后的智能并进一步缩小硬件尺寸。他们的目标是提高预诊断算法的准确性和可靠性，以便更好地区分无害的不规则心跳和需要紧急护理的心跳。
工程师们还试图将3D打印的折纸电极高度缩小到目前的三分之一左右。更纤薄的设计将使腰带在衣物下更不显眼，并在睡眠或日常活动中更舒适。
金宇洙相信，可重复使用材料、3D打印和人工智能的结合，指向新一代个性化心脏监测，使你可以在许多场所而非仅在病床上检查心脏健康。
研究的实际意义
这一新系统可加速心脏护理并扩大受益人群。可重复使用的干电极和柔软腰带可能取代许多一次性贴片，减少浪费并降低供应成本。这对预算紧张的医院和努力降低环境足迹的医疗系统至关重要。
对患者而言，更好的舒适度和易用性意味着更可能完成长期监测，从而提高检测危险心律的几率。内置AI分诊可帮助医生优先处理最紧急的病例，同时仍审阅每个结果。
在偏远和资源不足的社区，便携式腰带和智能设备可将专家级监测带回家中。这可以降低原住民社区、老年人和行动不便人群的障碍。
最后，这项工作展示了3D打印和机器学习如何结合，创造出适应未来需求的灵活医疗工具。随着算法改进和组件缩小，类似系统可监测其他生命体征或支持多种慢性疾病的居家护理，帮助人们保持更健康和独立。
研究结果已在线发表在《生物传感器与生物电子学》期刊上。
【全文结束】
