美国亚利桑那大学健康科学中心研究团队近日取得两项重要研究成果，通过结合可穿戴设备与人工智能技术，在健康监测领域实现创新突破。相关研究分别发表在《BMC怀孕与分娩》和《国际环境研究与公共卫生杂志》上。

在分娩预测研究中，团队开发出一套基于深度神经网络的人工智能系统。生物医学信息学专家Shravan Aras博士介绍："我们利用可穿戴戒指传感器采集每分钟体温数据，构建的预测模型能在分娩前7天以79%的准确率识别自然分娩征兆。"该系统包含多层算法结构，模拟人脑信息处理机制，在4.6天预测窗口期内表现优异。目前，团队正扩大研究规模以进一步提升模型临床适用性。

另一项研究则聚焦压力监测领域。通过分析"绿路"与城市道路步行者的生理数据，团队发现自然环境能更有效降低压力激素水平。研究显示，在绿路上步行20分钟后，参与者皮质醇水平下降幅度显著大于城市环境。Aras博士指出："心率变异性反应存在明显个体差异，这为个性化压力管理提供了研究方向。"

研究团队正将AI技术拓展至汗液生物标记物分析等新领域。Aras博士表示："我们的目标是开发能早期预警无症状疾病的智能监测系统。AI的自主学习能力为主动式健康管理创造了全新可能。"

更多信息： Chinmai Basavaraj 等，《深度学习模型利用连续体表温度数据预测分娩开始》，《BMC 妊娠与分娩》(2024 年)。Shravan G. Aras 等，《越绿越好?利用心率变异性和唾液皮质醇生物标志物量化自然漫步对减压的影响》，《国际环境研究与公共健康杂志》(2024)。期刊信息： 《国际环境研究与公共卫生杂志》 、 《BMC妊娠与分娩》