患有心力衰竭的患者的人类心脏时间序列模型:走向数字双胞胎方法
Nilmini Wickramasinghe1, Nalika Ulapane1, Yuxin Zhang2
1School of Computing, Engineering & Mathematical Sciences, La Trobe University, Melbourne, VIC 3086, Australia.
Sensors (Basel, Switzerland)
|January 10, 2026
概括
数字双胞胎 (DTs) 提供个性化的心力衰竭监测. 这项研究探讨了时间序列模型,使用来自SmartHeart研究的可穿戴传感器数据来预测脱补偿.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 数字健康数字健康
背景情况:
- 数字双胞胎 (DTs) 越来越多地被研究用于医疗保健应用.
- 与人工智能 (AI) 结合的DTs承诺精确和个性化的医疗保健.
- 心力衰竭的管理需要持续监测及时干预.
研究的目的:
- 探索时间序列模型来预测心力衰竭失补偿.
- 调查数字双胞胎在心力衰竭远程患者监测中的实用性.
- 利用人工智能和可穿戴传感器数据进行主动的心力衰竭管理.
主要方法:
- 利用了SmartHeart研究试点阶段的数据.
- 采用了家用,可穿戴,无线基于传感器的数字自我监控系统.
- 开发和分析时间序列模型以识别脱补偿模式.
主要成果:
- 介绍了首次尝试揭示心力衰竭脱补偿的时间序列模型之一.
- 证明了使用可穿戴传感器数据进行数字自我监控的可行性.
- 确定了对心力衰竭事件的潜在预测模型.
结论:
- 数字双胞胎具有显著的潜力,可以彻底改变心力衰竭护理.
- 人工智能辅助的数据技术可以提高医疗保健中的精度,个性化和价值.
- 与DTs集成的可穿戴技术可以促进早期检测心力衰竭脱补偿.


