贴在身上的AI医生：面向个性化医疗的自供电智能技术 | NSR综述

先想象一个场景：未来，你胸前贴着一片柔性电子贴片，它能持续监测你的心跳，并直接在设备上完成分析。当检测到心律异常时，它在你还未察觉之前就将预警发送到你的手机。这一切不需要更换电池——你身体散发的热量和日常活动的微小运动，就足以支撑它的持续运行。

Figure 1. 自供能智能深入生活的方方面面

这个场景的背后，是多条技术路线正在逐步汇聚的方向。近日，北京理工大学的付海岭教授、邓方教授，哈尔滨工业大学陈杰院士，联合格拉斯哥大学/帝国理工学院英国皇家工程院院士Eric M. Yeatman教授、新加坡国立大学知名专家Chengkuo Lee教授，在《国家科学评论》(National Science Review, NSR) 上发表了一篇综述，系统梳理了“面向个性化医疗的自供电智能技术”这一方向的研究全景。

Figure 2: 自供能智能框架——柔性电子、片上AI、能量收集三者协同支撑可穿戴和植入式个性化医疗

一

身体本身就是电源

可穿戴和植入式医疗设备面临的首要问题是供电。电池需要定期更换或充电，对植入式设备而言更意味着二次手术的风险。能否让设备从人体自身和周围环境中获取能量？

论文首先梳理了从人体和环境中获取能量的五条主要技术路线：光伏发电将室内外光照转化为电能；温差发电利用皮肤与环境的温度梯度，功率虽有限，但人体体温全天候稳定，特别适合需要长期连续监测的场景；压电和摩擦纳米发电分别从人体运动的高频和低频分量中提取机械能；射频能量收集则捕获环境中的电磁波信号。

论文特别指出，一个成年人日常活动的代谢功耗相当可观，但体戴式能量收集器实际可获取的部分仅在微瓦到毫瓦量级。因此，能量收集方案的选择不应唯效率论，而必须与佩戴位置、活动模式和具体应用的功耗需求相匹配。论文进一步讨论了多源能量协同收集和AI驱动的智能电源管理策略，为系统在能量波动条件下保持稳定运行提供了设计思路。

Figure 3: 人体不同部位的可用能量类型、适用设备形态及对应的临床监测和康复应用

有了能量来源，还需要一个能在人体上长期稳定运行的物理载体。皮肤在拉伸、出汗、运动，体内器官在蠕动和排异。传统刚性电路板在这种动态环境中难以胜任，柔性电子为此提供了解决路径。

论文系统回顾了这一领域的关键进展：研究者正在开发厚度在微米级的超薄电极和可承受大幅拉伸的蛇形互连结构，使电路在反复形变条件下保持电气连接性能；丝网印刷和激光烧结等增材制造工艺为柔性器件的规模化生产提供了可能；聚二甲基硅氧烷、聚酰亚胺等生物相容性聚合物基底，为长期皮肤贴附或体内植入提供了材料基础。论文还讨论了硬件层面的信号解耦策略，即在传感器物理层将温度和压力等不同刺激的响应分离开来，为后续的AI处理提供更干净的数据源。

有了能量和硬件平台，第三步是赋予设备本地智能。目前大多数可穿戴设备的工作模式是将数据发送到手机或云端进行分析。这种做法虽然降低了设备端的复杂度，但数据传输本身消耗可观电量，从数据采集到获得分析结果的时间延迟，对某些时效敏感的健康监测场景而言是一个不可忽视的因素。论文中讨论实现的基本思路是：AI推理不依赖云端，而是在设备本地的低功耗芯片上运行，数据在传感器捕获后即刻被处理和理解。

在微瓦到毫瓦级的功耗预算下运行AI模型，意味着算法必须极度精简。论文梳理了学术界沿着这一方向积累的多条技术路线，包括将深度网络压缩到微控制器可运行的规模、设计级联推理策略以平衡持续监测的精度与功耗，以及自动搜索适配特定硬件约束的网络拓扑。论文的贡献在于将这些技术方向纳入一个面向可穿戴医疗设备的统一分析框架，讨论它们在具体应用场景中的适用性和局限。

论文还涉及了非冯-诺依曼计算架构在这一领域的应用前景。传统计算机芯片的运算器和存储器是分离的，数据在两者之间频繁搬运消耗了大量能量。基于忆阻器等新型器件的存算一体架构，将存储和计算融合在同一物理单元中，有望在同等功耗下支持更高的计算吞吐。这一方向目前仍处于研究早期阶段，但为在极端能量约束下实现持续片上AI推理提供了一条值得关注的技术路线。

Figure 4. 非冯-诺依曼存算一体架构

在胸部位置，柔性电极贴片可以持续采集心电和呼吸信号，研究者正在探索其在慢性心衰院外监测和睡眠呼吸暂停早期筛查中的应用潜力。在腕部和四肢，编织于织物中的传感器配合轻量级分类器，有望辅助区分帕金森病震颤与良性老年性手抖。在体内，研究者正在开发毫米尺度的植入式传感器，用于监测胃动力和深部组织电生理信号……值得强调的是，上述应用大多仍处于实验室原理验证阶段，距离大规模临床部署尚有距离。论文进一步分析了从研究成果到临床产品需要跨越的几个关键瓶颈：

第一，制造可扩展性。目前绝大多数柔性电子器件仍处于实验室手工制作阶段，从单件原型到批量化生产，需要工艺稳定性、良品率和成本控制的系统突破。

第二，长期可靠性。贴附于皮肤的设备需耐受汗液、摩擦和紫外线照射；植入体内的器件则面临体液腐蚀、免疫反应和数百万次机械疲劳循环的考验。在消费电子中属于超高标准的要求，在植入式医疗中却是基本门槛。

第三，临床验证与可解释性。从实验室原型到获批临床使用，中间需要经过严格的临床试验和监管审批流程。AI模型压缩后的精度保持和临床可解释性，也是获得医患信任和监管批准的关键前提。

这篇综述提供了一个系统级的分析框架：要让医疗设备在人体上持续、自主、智能地运行，能量收集、柔性电子和AI算法不能各自独立发展，而必须围绕人体的能量特征、机械约束和临床需求进行协同设计。这就是自供电智能的内涵。

全球可穿戴设备年出货量已超过2亿台，植入式医疗设备市场正以两位数的年增长率向1500亿美元迈进。如何让这些设备更自主、更智能地运行，正在从一个小众研究方向转变为产业界的核心关切。北京理工大学团队站在能量俘获、柔性电子、AI和医疗健康的交叉点上，为这一问题提供了一份系统而扎实的技术综述。