下一代数字孪生模型：基于非侵入式射频多传感的 AI 人体监测

为何房间能守护你的呼吸

设想你的客厅能够在不使用任何导线、胸带或摄像头的情况下，静静地监测你的呼吸与水合状态，并在出现异常时提醒医生。本文探讨了如何将室内常见的无线信号转化为人的“活体镜像”，为老年人、慢性肺病患者以及其他需要长期护理的人群提供更温和、持续的监护方式。

诊室里的你的数字复制体

这项工作的核心是人的“数字孪生”：一个随着呼吸实时更新的虚拟替身。系统不依赖贴身的医院设备，而是利用室内的无线电波感知胸部的运动和呼出气体的湿度。这些信号驱动一个持续更新的数字模型，反映呼吸频率与呼气中的水分含量。医生可以参考该模型来决定何时亲检患者、调整监护强度或修改护理方案，而被监护者可以如常坐着或休息。

用看不见的波段“倾听”身体

研究团队的试验系统由两个小型非接触式无线电传感器组成。其一基于廉价的 Wi-Fi 芯片，测量发送器与接收器之间无线信号的微小变化。当胸廓起伏时，这些变化会细微扰动信号，这些扰动携带着呼吸频率的信息。第二个传感器是放置在口部附近的柔性超宽带天线，用于检测潮湿呼气流出时无线电反射的变化。由于水蒸气与无线电波有强相互作用，这些反射模式可以揭示每次呼气中的水分含量，从而洞察气道与水合状况。

将噪声信号净化为清晰生命体征

真实房间内的无线电信号通常十分混乱，会在墙壁、家具上反射，甚至被与呼吸无关的小动作干扰。为把这些杂波转为可靠的生命体征，作者设计了一套细致的信号处理流程。首先去除恒定偏移与随机尖刺，然后通过滤波器只保留呼吸所处的低频节律。一种称为主成分分析的统计方法随后提取出最能代表胸部规律运动的单一模式。最后，系统分析该节律在各频率上的强度来估算每分钟呼吸次数。在对一位志愿者在设定的慢、中、快三档呼吸速率的实验中，这套方法在三档均达到了临床可接受的±5 次/分的精度范围。

用真实与合成数据教会孪生体

构建智能数字孪生还需要教会计算模型识别不同的呼吸与水合状态。然而，收集大规模、有标注的医疗数据既耗时又昂贵，尤其是对于新型传感方法。为此，研究人员发明了统计技巧，根据实测数据生成逼真的“合成”数据。对水合度，他们直接在无线电反射的频谱模式上进行受控扰动，保持曲线总体形态不变。多种相关性检验表明，合成信号与真实信号非常接近。借助扩增后的数据集，机器学习与深度学习方法能够将呼吸分类为正常或异常，并对水合水平进行较为准确的分组，尤其是在采用紧凑神经网络随后接入更简单分类器的情况下表现良好。

一个学习并引导护理的闭环

与仅上报数值的单向监测不同，这个数字孪生被设计为患者、传感器与临床医生之间的闭环。当传感器持续传输数据时，孪生体更新其对呼吸和水合的判断，并向医生返回摘要决策与置信度。医生据此可选择收紧或放宽监护程度、在两种传感器间调整注意力，或修改告警阈值。这些决策又会影响新数据的采集方式与时机。随着时间推移，系统能学习个体的典型模式，成为长期护理中更为个性化和有用的伴随工具。

从试点研究走向未来床边助手

该研究表明，可以将常见的无线硬件、巧妙的信号净化方法、合成数据与机器学习结合起来，构建出早期的个人呼吸与呼出水合的数字孪生。在对单一受试者的受控实验中，该方法给出了临床可接受的呼吸率结果，并对水合相关模式的分类展示了良好前景。作者强调，在此类系统被用于实际治疗之前，还需要更大规模且更多样化的研究。不过，这项工作指向了一个未来：医院病房与家庭可用无线电波“静听”并构建患者的数字替身，帮助护理人员在无缆线、无不适的情况下守护病人。

引用: Khan, S., Alzaabi, A., Saied, I.M. et al. Next-generation digital twin model with unobtrusive RF multi-sensing for AI-based human monitoring. Sci Rep 16, 15612 (2026). https://doi.org/10.1038/s41598-026-43984-w

关键词: 数字孪生 医疗, 无接触 呼吸监测, 射频 感知, AI 健康监测, 呼出气水合度