Команда Университета Аризоны разработала мягкий сетчатый рукав для бедра, который выявляет ранние признаки хрупкости у пожилых людей. Рукав отслеживает ускорение ноги, симметрию и изменчивость шагов с помощью множества крошечных датчиков.
Дизайн рукава выполнен методом 3D‑печати; прибор называют «невидимым». Анализ выполняет встроенный искусственный интеллект (Edge AI), то есть обработка идёт на самом устройстве. В результате передаётся лишь итог анализа, а не сотни часов записей, что значительно снижает объём передачи данных и не требует высокоскоростного интернета. Итоги приходят по Bluetooth на смарт‑устройство, а зарядка беспроводная и дальнего действия.
Авторы подчёркивают, что ранняя диагностика позволит сместить уход с реактивного лечения после падения на превентивные вмешательства. В опубликованном исследовании также отмечено, что по данным 2015 года хрупкость затрагивает 15% жителей США в возрасте 65 и старше.
Сложные слова
- хрупкость — состояние повышенной уязвимости организма человекахрупкости
- датчик — маленькое устройство для измерения физического параметрадатчиков
- ускорение — изменение скорости тела за единицу времени
- симметрия — равенство или сходство частей по формесимметрию
- искусственный интеллект — программы и алгоритмы, которые принимают решения
- обработка — действие по превращению данных в информацию
Подсказка: наведите, сфокусируйтесь или нажмите на выделенные слова, чтобы увидеть краткие определения прямо во время чтения или прослушивания.
Вопросы для обсуждения
- Насколько удобным кажется ношение такого мягкого сетчатого рукава и почему?
- Какие преимущества даёт обработка данных на самом устройстве вместо передачи всего материала в интернет?
- Какие возможные проблемы могут возникнуть у пожилых людей при использовании таких датчиков и устройств?
Похожие статьи
Нарушение циркадных ритмов ускоряет рак груди
Исследование учёных из Университета Техас A&M показало: повторное нарушение биологических часов меняет ткань молочной железы и ослабляет иммунитет. В опытах с генетически модифицированными моделями опухоли развивались раньше и были агрессивнее.
Почему языковые модели ошибаются при умножении четырёхзначных чисел
Новое исследование показало, что современные большие языковые модели плохо умножают четырёхзначные числа, потому что не хранят и не используют промежуточные результаты. Метод ICoT и дополнительные цели обучения помогают моделям запоминать шаги и давать правильный ответ.