Un dispositivo indossabile in idrogel basato sull'intelligenza artificiale monitora la fatica con precisione clinica. / AI hydrogel wearable tracks fatigue with clinical accuracy

 Un dispositivo indossabile in idrogel basato sull'intelligenza artificiale monitora la fatica con precisione clinica. / AI hydrogel wearable tracks fatigue with clinical accuracy

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Grazie all'intelligenza artificiale, il sensore in idrogel, morbido e simile alla pelle, dimostra prestazioni superiori, soprattutto durante il movimento, quando la riduzione del rumore del segnale è fondamentale /  Powered by artificial intelligence, the soft and skin-like hydrogel sensor demonstrates superior performance, especially during movement, when reducing signal noise is critical 

I ricercatori della National University of Singapore hanno realizzato un sensore in metaidrogel morbido con elaborazione tramite intelligenza artificiale in grado di rilevare ECG e pressione sanguigna di livello clinico durante i movimenti quotidiani.

Il sistema è concepito per consentire la valutazione continua della fatica e di altri stati correlati alla salute mentale al di fuori degli ambienti clinici.

Nei test, la piattaforma ha fornito un rapporto segnale/rumore (SNR) dell'ECG di 37,36 dB durante il movimento ed una deviazione della pressione sanguigna di soli 3 mmHg, prestazioni che, secondo il gruppo, soddisfano i requisiti clinici ISO e superano quelle dei dispositivi indossabili di consumo comunemente utilizzati. Se combinati con modelli di apprendimento automatico, i dati del dispositivo hanno supportato la classificazione del livello di affaticamento con una precisione del 92%. I risultati del gruppo sono descritti in dettaglio su Nature Sensors.

Si afferma che il lavoro si propone di colmare una lacuna nota nel monitoraggio della salute mentale nel mondo reale. La fatica ed l'esaurimento vengono solitamente valutati tramite questionari auto-compilati, che sono soggettivi e poco frequenti. Sebbene i dispositivi indossabili possano tracciare indicatori cardiovascolari legati al sistema nervoso autonomo, le letture spesso si degradano durante le attività quotidiane, poiché artefatti da movimento dovuti all'attivazione muscolare, al movimento stesso ed alle interferenze fisiologiche mascherano i deboli segnali cardiaci e pressori. Le contromisure esistenti in genere affrontano una singola fonte di rumore o una banda di frequenza ristretta, limitandone quindi la robustezza.

Il gruppo della NUS, guidato dal professor Ho Ghim Wei con il ricercatore Dr. Tian Guo come primo autore, ha affrontato il problema all'interfaccia sensore-pelle. La loro piattaforma di mitigazione degli artefatti (MAP) integra due meccanismi di filtraggio all'interno di un singolo "metamateriale" idrogel. 

Innanzitutto, le nanoparticelle si autoassemblano in bande periodiche che disperdono ed assorbono le vibrazioni meccaniche, attenuando il rumore di movimento in intervalli di frequenza specifici.

In secondo luogo, un elettrolita biocompatibile a base di glicerolo ed acqua modula il trasporto ionico in modo che il contenuto cardiaco a bassa frequenza, inferiore a 30 Hz, venga trasmesso mentre il rumore elettrico muscolare ad alta frequenza viene soppresso. Una fase di abbassamento del rumore basata sull'apprendimento automatico rimuove quindi gli artefatti residui non strutturati, preservando al contempo le forme d'onda clinicamente rilevanti.

L'idrogel è progettato per adattarsi alla meccanica dei tessuti molli, è traspirante e resiste a ripetuti allungamenti.

Integrato in un dispositivo indossabile flessibile e senza fili, il sistema è stato utilizzato per monitorare i partecipanti per più giorni, comprese simulazioni di guida progettate per indurre affaticamento.

Secondo il gruppo, la combinazione dell'interfaccia materiale con la riduzione algoritmica del rumore ha migliorato sostanzialmente la qualità del segnale.

Il rapporto segnale/rumore (SNR) dell'ECG è aumentato da 5,19 dB a 37,36 dB e l'accuratezza nel rilevamento dei picchi ECG chiave è salita dal 52% al 93%, cambiamenti che hanno aiutato i modelli successivi a distinguere i pattern legati alla fatica dai ritmi normali.

Per quanto riguarda la pressione sanguigna, il gruppo riporta deviazioni minime di 3 mmHg e conformità ai requisiti dello standard ISO 81060-2 per gli sfigmomanometri non invasivi.

La classificazione della fatica ha raggiunto un'accuratezza del 92% utilizzando i dati del sensore ad idrogel, rispetto al 64% utilizzando i dati raccolti senza MAP.

"Rispetto ai dispositivi commerciali attualmente in uso, la nostra piattaforma in metaidrogel dimostra prestazioni superiori, in particolare in condizioni di movimento dove la soppressione degli artefatti è fondamentale", ha dichiarato il Dr. Tian in un comunicato. "Gli smartwatch attuali raggiungono in genere rapporti segnale/rumore ECG di 10-20 dB, che possono diminuire di circa il 40% in presenza di movimento a causa di artefatti e contatti instabili. Il nostro sistema raggiunge circa 37 dB durante le attività quotidiane."

Oltre ai parametri cardiovascolari, il gruppo ha dimostrato la soppressione degli artefatti in altri segnali biologici, tra cui suoni cardiaci, suoni respiratori, voce, onde cerebrali e registrazioni dei movimenti oculari, indicando il potenziale per supportare un monitoraggio neurofisiologico e della salute mentale più ampio.

"Ci auguriamo di collaborare strettamente con i medici specialisti in salute mentale per comprendere meglio quali tipi di dati fisiologici siano più rilevanti in contesti reali, nonché il livello di accuratezza richiesto per soddisfare le esigenze cliniche", ha affermato il Prof. Ho. "I clinici possono fornire spunti preziosi per aiutarci a stabilire collegamenti significativi tra i dati e le condizioni patologiche."

Il gruppo è ora alla ricerca di partner per migliorare la coerenza e la scalabilità dei dispositivi.

ENGLISH

Researchers at the National University of Singapore have built a soft metahydrogel sensor with AI processing that captures clinical-grade ECG and blood pressure during everyday movement.

The system is intended to enable continuous assessment of fatigue and other mental‑health‑related states outside clinical settings.

In tests, the platform delivered an ECG signal‑to‑noise ratio (SNR) of 37.36dB during motion and a blood‑pressure deviation as low as 3mmHg, performance the team said meets ISO clinical‑grade requirements and exceeds that of commonly used consumer wearables. When combined with machine‑learning models, data from the device supported fatigue-level classification with 92 per cent accuracy. The team’s findings are detailed in Nature Sensors.

The work is claimed to target a known gap in real-world mental‑health monitoring. Fatigue and burnout tend to be assessed via self‑reported questionnaires that are subjective and infrequent. While wearables can track cardiovascular indicators linked to the autonomic nervous system, readings often degrade during daily activity as motion artefacts from muscle activation, movement and physiological interference mask faint cardiac and pressure signals. Existing countermeasures typically tackle a single noise source or a narrow frequency band, thereby limiting robustness.

The NUS team, led by Professor Ho Ghim Wei with research fellow Dr Tian Guo as first author, approached the problem at the sensor-skin interface. Their artefact‑mitigating platform (MAP) integrates two filtering mechanisms within a single hydrogel ‘metamaterial’. 

First, nanoparticles self-assemble into periodic bands that scatter and absorb mechanical vibrations, attenuating motion noise in targeted frequency ranges.

Second, a biocompatible glycerol-water electrolyte modulates ion transport so that low-frequency cardiac content below 30Hz is transmitted while higher‑frequency muscle electrical noise is suppressed. A machine-learning denoising stage then removes residual, unstructured artefacts while preserving clinically relevant waveforms.

The hydrogel is engineered to match soft‑tissue mechanics, is breathable and withstands repeated stretching.

Built into a flexible, wireless wearable, the system was used to monitor participants over multiple days, including simulated driving tasks designed to induce fatigue.

According to the team, combining the material interface with algorithmic denoising substantially improved signal quality.

The ECG SNR increased from 5.19dB to 37.36dB, and the accuracy of detecting key ECG peaks rose from 52 per cent to 93 per cent, changes that helped downstream models distinguish fatigue-related patterns from normal rhythms.

For blood pressure, the team reports deviations as low as 3mmHg and conformance with ISO 81060-2 standard requirements for non-invasive sphygmomanometers.

Fatigue classification achieved 92 per cent accuracy using data from the hydrogel sensor, compared with 64 per cent using data collected without MAP.

“Compared with current commercial devices, our metahydrogel platform demonstrates superior performance, particularly under motion conditions where artefact suppression is critical,” Dr Tian said in a statement. “Current smartwatches typically achieve ECG signal-to-noise ratios of 10-20dB, which can decrease by approximately 40 per cent under motion due to artefacts and unstable contact. Our system achieves around 37dB during daily activities.”

Beyond cardiovascular metrics, the team demonstrated artefact suppression across other biosignals, including heart sounds, respiratory sounds, voice, brain‑wave and eye‑movement recordings, indicating potential to support broader neurophysiological and mental‑health monitoring.

“We hope to work closely with mental-health physicians to better understand what types of physiological data are most relevant in real-world settings, as well as the level of accuracy required to meet clinical needs,” said Prof Ho. “Clinicians can provide valuable insights to help us establish meaningful links between the data and pathological conditions.”

The team is now seeking partners to improve device consistency and scalability.

Da:

https://www.theengineer.co.uk/content/news/ai-hydrogel-wearable-accurately-tracks-fatigue?utm_source=content_recommendation&utm_medium=blueconic