زندگی در هر ضربان نهفته است؛ دنیایی بی‌پایان از جریان‌های حیاتی که راز سلامت و پویایی ما را آشکار می‌کنند. فناوری پیشرفته در نظارت همودینامیک، با بهره‌گیری از هوش مصنوعی و حسگرهای یکپارچه، امکان تحلیل دقیق و بلادرنگ را فراهم ساخته است. این سامانه‌ها، نه تنها تغییرات حیاتی بدن را ثبت می‌کنند، بلکه تحولی شگرف در فناوری پزشکی ایجاد کرده‌اند و راه را برای تشخیص زودهنگام و پیشگیری از مشکلات جدی هموار می‌سازند. نظارت هوشمند و بلادرنگ، پشتیبانی علمی و دقیق از سلامت قلب و عروق را تضمین می‌کند و آینده‌ای روشن‌تر برای فناوری پزشکی مدرن به ارمغان می‌آورد. سامانه‌های هوشمند هموپالس، گامی نوین در تلفیق فناوری و سلامت برای بهبود کیفیت زندگی هستند.

یکی از رویکردهای نوین در این زمینه، استفاده از سنسورهای بیوالکتریک یکپارچه مبتنی بر فناوری MEMS (سامانه‌های میکروالکترومکانیکی) است. این حسگرها به واسطه‌ی قابلیت‌های کوچک‌سازی، دقت بسیار بالا و مصرف انرژی پایین، امکان اندازه‌گیری تغییرات میکروسکوپی در جریان و فشار خون را در قالب یک سیستم یکپارچه فراهم می‌کنند.

اصول عملکرد حسگرهای بیوالکتریک مبتنی بر MEMS

این نوع حسگرها در اصل از ترکیب ساختارهای میکروساختاری حسگر (مانند غشاهای حساس به تغییر شکل) و مدارهای خوانش الکترونیکی بهره می‌برند. به عبارت دیگر، در حضور تغییرات فشار ناشی از پالس‌های خون یا تغییرات جریان، یک غشاء نازک در ساختار MEMS منقبض یا منبسط شده و منجر به بروز تغییراتی در ویژگی‌های الکتریکی (مانند تغییر ظرفیت یا مقاومت) می‌شود. این تغییرات سپس توسط مدارهای پیش‌تقویت‌کننده و فیلتر به سیگنال‌هایی قابل پردازش تبدیل می‌گردد.

در طراحی حسگرهای فشار خون، معمولاً از دو رویکرد اصلی استفاده می‌شود:

1. حسگرهای خازنی:

در این روش، یک ساختار متشکل از دو الکترود به عنوان صفحات یک خازن پیاده‌سازی می‌شود. در حضور فشار، فاصله یا سطح پوشش بین صفحات تغییر یافته و به تبع آن مقدار ظرفیت تغییر می‌کند. پس از تبدیل این تغییر ظرفیت به سیگنال الکتریکی، می‌توان به‌صورت دقیق فشار خون را اندازه‌گیری نمود.

2. حسگرهای پیزوریزیستیو:

در این نوع حسگرها، تغییر شکل یک غشاء به واسطه‌ی فشار باعث تغییر مقاومت الکتریکی یک عنصر حساس (معمولا ساخته شده از مواد نیمه‌هادی) می‌شود. این تغییرات در یک پل بریج و با استفاده از مدارات خوانش اندازه‌گیری می‌گردد.
برای حسگرهای جریان خون نیز اغلب از اصول مشابه استفاده می‌شود؛ یعنی با اندازه‌گیری تغییرات فشار یا تغییرات ناشی از حرکت مایع خون، می‌توان به طور مستقیم یا غیرمستقیم نرخ جریان خون را تعیین کرد. علاوه بر این، با ادغام این حسگرها با ماژول‌های بی‌سیم (مانند Bluetooth یا Wi‑Fi)، امکان انتقال سیگنال‌های زنده به دستگاه‌های مانیتورینگ از راه دور فراهم شده است.

مزایا:

– کوچک‌سازی و ادغام: فناوری MEMS امکان کاهش سایز حسگر و ادغام آن با مدارهای خوانش و پردازش را فراهم می‌کند. این امر نه تنها فضای مورد نیاز را کاهش می‌دهد بلکه باعث افزایش همگام‌سازی و کاهش نویزهای الکتریکی نیز می‌شود.
– دقت بالا: ساختارهای میکروساختاری به دلیل توانایی تشخیص تغییرات جزئی در فشار یا جریان، دقت چند رقمی را ممکن می‌سازند.
– مصرف انرژی پایین: طراحی‌های MEMS به گونه‌ای هستند که در طول زمان، مصرف برق کمی داشته باشند که برای کاربردهای پانزای مستمر و پوشیدنی بسیار حیاتی است.

چالش‌ها:

– بیوکمپتیبیلیتی: به دلیل تماس مستقیم با مایعات بیولوژیکی، مواد استفاده شده در حسگرها باید از نظر سازگاری زیستی مناسب باشند.
– پایداری و کالیبراسیون: تضمین دقت طولانی‌مدت و رفع خطاها (مانند تغییرات ناشی از دمای محیط) از دیگر مواردی است که نیازمند طراحی دقیق و بهینه‌سازی است.
– تداخل‌ها و نویز: از آنجا که سیگنال‌های الکتریکی بیولوژیکی معمولاً در دامنه‌ای بسیار پایین قرار دارند، نیاز به مدارات تقویت‌کننده و فیلترهای دقیق برای جداسازی سیگنال از نویز وجود دارد.

ادغام سیستم‌های حسگری

در یک سیستم یکپارچه‌ی حسگرهای بیوالکتریک مبتنی بر MEMS، علاوه بر حسگری فیزیکی، اجزای زیرساختی نظیر مدارات پردازش سیگنال، مبدل‌های آنالوگ به دیجیتال و بخش‌های ارتباطی (برای انتقال داده به سیستم‌های پایش از راه دور) حضور دارند. این نوع ادغام، علاوه بر بهبود کیفیت داده‌های به دست آمده، امکان استفاده از الگوریتم‌های پیشرفته برای کالیبراسیون و جبران خطا را نیز میسر می‌کند. در نهایت، این سیستم‌ها به عنوان یک پلی هوشمند بین بدن بیمار و دستگاه‌های نظارتی، نقش حیاتی در تشخیص زودهنگام اختلالات همودینامیک و بهبود روند درمان ایفا می‌کنند.

حال با ادغام این داده‌ها در سامانه‌های هوش مصنوعی، گام بزرگی در جهت پیش‌بینی و پیشگیری از وقایع بحرانی مانند تشکیل لخته (ترومبوز) یا نارسایی عملکرد پمپاژ (در دستگاه‌های پمپاژ قلب یا کمک‌کننده‌های قلبی) برداشته شده است.

اصول عملکرد حسگرهای بیوالکتریک یکپارچه

این حسگرها اغلب بر پایه‌ی تغییراتی در ویژگی‌های الکتریکی (مانند ظرفیت، مقاومت یا ولتاژ) که هنگام تغییر فشار یا جریان خون ایجاد می‌شوند، عمل می‌کنند. به عنوان نمونه، در حسگرهای خازنی، تغییر فاصله بین صفحات الکترودی ناشی از تغییر فشار منجر به تغییر در ظرفیت می‌شود؛ در حالی که در حسگرهای پیزوریزیستیو، تغییر شکل یک غشاء حساس موجب تغییر در مقاومت می‌گردد. حاصل این داده‌ها، پس از تقویت، فیلترگیری و تبدیل دیجیتال، به عنوان ورودی برای پردازش‌های بعدی استفاده می‌شود.

ادغام با سامانه‌های هوش مصنوعی

۱. پردازش و استخراج ویژگی‌ها:

در سیستم‌های یکپارچه، داده‌های حاصل از حسگرها به‌صورت لحظه‌ای جمع‌آوری می‌شوند. این داده‌ها، شامل الگوهای زمانی، نوسانات ضربانی و تغییرات دقیق سیگنال‌های فیزیکی هستند. با استفاده از الگوریتم‌های پیش‌پردازش مانند صاف‌سازی نویز، نرمال‌سازی و استخراج ویژگی‌های معنادار (مثلاً شاخص‌های پالس یا تغییرات غیرمعمول در شکل موج) زمینه برای تجزیه و تحلیل دقیق توسط مدل‌های هوش مصنوعی مهیا می‌شود.

۲. الگوریتم‌های یادگیری ماشین و پیش‌بینی:

با بهره‌گیری از الگوریتم‌های یادگیری عمیق و شبکه‌های عصبی، سیستم قادر است الگوهای پیچیده‌ای را در داده‌ها شناسایی کند.

به عنوان مثال:
– پیش‌بینی تشکیل لخته: تغییرات جزئی در الگوهای جریان یا فشار می‌تواند شروع فرآیند انعقادی را نشان دهد. مدل‌های هوش مصنوعی با مقایسه‌ی داده‌های جدید با الگوهای قبلی یادگیری‌شده، می‌توانند احتمال وقوع ترومبوز را پیش‌بینی نمایند.
– انتشار هشدار در مورد نارسایی پمپاژ: در دستگاه‌های پمپاژ مانند پمپاژهای قلب مصنوعی، هر گونه تغییر غیرطبیعی در پارامترهای حسگری (مانند کاهش شدت جریان یا تغییر ناگهانی در نوسانات سیگنال) می‌تواند نشانه‌ای از نزدیک شدن به خرابی باشد. الگوریتم‌های تشخیص ناهنجاری با شناسایی این تغییرات، هشدارهایی جهت تعمیر یا تعویض بخش‌های معیوب صادر می‌کنند.

مزایا:

– نظارت بلادرنگ: امکان دریافت داده‌های لحظه‌ای و تحلیل‌های سریع که موجب تشخیص زودهنگام تغییرات فیزیولوژیکی می‌شود.
– دقت پیش‌بینی: ادغام داده‌های دقیق حسگرهای MEMS با الگوریتم‌های پیچیده هوش مصنوعی، موجب افزایش دقت در پیش‌بینی تشکیل لخته و نارسایی عملکرد پمپاژ می‌گردد.
– پیشگیری از عوارض: با ارائه هشدارهای زودرس، امکان مداخله به موقع جهت جلوگیری از عوارض جدی مانند سکته یا اختلالات عملکردی در دستگاه‌های پمپاژ فراهم می‌شود.

چالش‌ها:

– کالیبراسیون و نویز: سیگنال‌های بیولوژیکی به دلیل حضور نویزهای محیطی نیازمند کالیبراسیون دقیق و الگوریتم‌های پیش‌پردازش قوی هستند.
– مدیریت حجم عظیم داده: استفاده از داده‌های حسگری به‌صورت پیوسته منجر به ایجاد حجم بالای داده می‌شود که نیازمند زیرساخت‌های محاسباتی و حافظه‌ای پیشرفته برای پردازش و ذخیره‌سازی است.
– همگام‌سازی سخت‌افزاری و نرم‌افزاری: هماهنگی بین قسمت‌های فیزیکی (هشداردهنده‌ها، مبدل‌های آنالوگ به دیجیتال) و الگوریتم‌های نرم‌افزاری جهت تضمین دقت نهایی سیستم ضروری است.

کاربردهای کلیدی در پیش‌بینی تشکیل لخته و نارسایی پمپاژ

– تشکیل لخته (ترومبوز): تغییرات غیرطبیعی در پارامترهای همودینامیک، مانند کاهش تدریجی جریان خون یا تغییر در پالس‌های فشار، می‌تواند پیش‌نمونه‌ای از فرآیند انعقادی باشد. سامانه‌های هوش مصنوعی با ارزیابی این الگوها می‌توانند قبل از رخ دادن حادثه، هشدارهای لازم را صادر کنند. این امر به پزشکان و اپراتورها این امکان را می‌دهد تا با اعمال مداخلات به موقع، از بروز عوارض جبران‌ناپذیر جلوگیری کنند.
– نارسایی پمپاژ: در سیستم‌های پمپاژ (مثلاً دستگاه‌های کمک‌کننده قلب)، هر گونه کاهش عملکرد یا تغییر ناگهانی در سیگنال‌های حسگری نشانگر احتمال وقوع خرابی یا نارسایی سیستم است. هوش مصنوعی با تحلیل روند عملکرد دستگاه، ناهنجاری‌هایی را که ممکن است نشانه‌ی نزدیک شدن به نارسایی باشد، شناسایی و اعلام می‌کند.

این سیستم‌ها با ادغام اجزای نوری و الکتریکی، اطلاعات دقیق و بلادرنگ از وضعیت اکسیژن‌رسانی به بافت‌ها را فراهم می‌کنند که هم در کاربردهای کلینیکی و هم در دستگاه‌های پوشیدنی به کار می‌رود.

اصول عملکرد:

فوتوپلثی‌کلمنوگرافی (PPG):

سنسورهای نوری مانند ماژول‌های مبتنی بر MAX30102 با به کارگیری تکنولوژی PPG عمل می‌کنند. در این روش، دو ال‌ای‌دی با رنگ‌های قرمز (تقریباً 660 نانومتر) و مادون قرمز (حدود 940 نانومتر) نور را به سطح پوست (معمولاً انگشت یا گوش) منتشر می‌کنند. خون دارای دو فاز اکسیژندار (HbO₂) و غیر اکسیژندار (Hb) است که الگوی جذب نوری متفاوتی دارند. تغییرات ناشی از پالس خون در هر ضربان قلب باعث تغییرات مداری در میزان نور جذب شده یا بازتابیده می‌شود. فتو دیودی که در کنار ال‌ای‌دی قرار دارد، این تغییرات نور را دریافت کرده و به سیگنال‌های الکتریکی تبدیل می‌کند.

ادغام با سنسورهای بیوالکتریک:

سیستم‌های یکپارچه نوری—بیوالکتریک، از مدارهای پیش‌رونده و فیلترهای دقیق برای تقویت و تبدیل سیگنال‌های ضعیف استفاده می‌کنند. همراه با سنسورهای الکتریکی، پردازش سیگنال‌های به دست آمده امکان جداسازی مولفه‌های پالس (AC) و پس‌زمینه (DC) را فراهم می‌سازد. این جداسازی به محاسبه نسبت جذب نور در طول دو طول موج مختلف و در نتیجه تعیین میزان اکسیژن موجود در خون کمک می‌کند. ادغام این فناوری‌ها امکان ارائه یک نمای جامع از وضعیت همودینامیک و اکسیژن‌رسانی به بدن را در یک سیستم کوچک و کم‌مصرف می‌دهد.

مزایا:

– غیرتهاجمی بودن: اندازه‌گیری SpO₂ بدون نیاز به نمونه‌برداری از خون و با قرارگیری ساده بر روی سطح پوست امکان‌پذیر است.
– پایش بلادرنگ: ادغام صحیح سنسورهای نوری و مدارهای بیوالکتریک اجازه می‌دهد تا داده‌ها به صورت لحظه‌ای ثبت و پردازش شوند؛ امری که در دستگاه‌های نظارت از راه دور و پوشیدنی بسیار حیاتی است.
– کاربرد گسترده در دستگاه‌های پوشیدنی: فناوری یکپارچه در ساعت‌های هوشمند، بندهای سلامت و سایر سیستم‌های IoT پزشکی به کار می‌رود.
– امکان استفاده از الگوریتم‌های هوشمند: پردازش دیجیتال و استفاده از الگوریتم‌های یادگیری ماشین به بهبود دقت تشخیص و شناسایی زودهنگام اختلالات همودینامیک و کاهش خطاهای ناشی از تداخل نوری محیط کمک می‌کند.

چالش‌ها:

– مداخلات نور محیطی: سیگنال‌های نوری ممکن است تحت تاثیر نورهای خارجی و تغییرات محیطی دچار تداخل شوند. استفاده از فیلترهای نوری و الگوریتم‌های پردازش سیگنال، از قبیل کالیبراسیون پویا، می‌تواند این مشکل را تا حد زیادی کاهش دهد.
– حرکات ناخواسته: حرکات فرد ممکن است موجب ایجاد نویز در سیگنال‌های ثبت شده شوند. ایزوله‌سازی نویز و استفاده از الگوریتم‌های تشخیص ناهنجاری در کاهش اثرات حرکتی نقش مثبت دارند.
– تنوع فیزیولوژیکی: تفاوت در رنگ پوست، ضخامت بافت و سایر ویژگی‌های فردی نیاز به کالیبراسیون دقیق سیستم دارد که توسعه‌دهندگان این حوزه به آن پرداخته‌اند.

:Resoures

.1
https://gmed.ir/blog/post/162

.2
https://magirans.com/%D9%85%D9%82%D8%A7%D9%84%D9%87-%D8%B7%D8%B1%D8%A7%D8%AD%DB%8C-%D9%88-%D8%A8%D9%87%DB%8C%D9%86%D9%87-%D8%B3%D8%A7%D8%B2%DB%8C-%DB%8C%DA%A9-%D8%AD%D8%B3%DA%AF%D8%B1-%D9%81%D8%B4%D8%A7%D8%B1-%D9%86%D9%88%DB%8C%D9%86-%D8%AE%D8%A7%D8%B2%D9%86%DB%8C-%D9%85%D8%A8%D8%AA%D9%86%DB%8C-%D8%A8%D8%B1-%D8%AA%DA%A9%D9%86%D9%88%D9%84%D9%88%DA%98%DB%8C-%D8%B3%DB%8C%D8%B3%D8%AA%D9%85-%D9%87%D8%A7%DB%8C-%D9%85%DB%8C%DA%A9%D8%B1%D9%88%D8%A7%D9%84%DA%A9%D8%AA%D8%B1%D9%88%D9%85%DA%A9%D8%A7%D9%86%DB%8C%DA%A9%DB%8C-mems

.3
https://elmnet.ir/doc/20603392-51529

.4
https://fa.winsen-sensor.com/knowledge/ai-with-sensor.html

.5
https://newelectron.ir/blogs/show/40

.6
https://fa.heyvaai.com/blog/%D9%BE%DB%8C%D8%B4-%D8%A8%DB%8C%D9%86%DB%8C-%D8%A8%D8%A7-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C

.7
https://hashdork.com/fa/%D8%A8%D9%87%D8%AA%D8%B1%DB%8C%D9%86-%D8%A7%D8%A8%D8%B2%D8%A7%D8%B1%D9%87%D8%A7%DB%8C-%D9%BE%DB%8C%D8%B4-%D8%A8%DB%8C%D9%86%DB%8C-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C/

.8
https://farzadelectronic.ir/%D8%A7%D9%86%D9%88%D8%A7%D8%B9-%D9%85%D8%A7%DA%98%D9%88%D9%84-%D9%87%D8%A7/%D9%85%D8%A7%DA%98%D9%88%D9%84-%DA%A9%D8%A7%D8%B1%D8%A8%D8%B1%D8%AF%DB%8C/%D9%85%D8%A7%DA%98%D9%88%D9%84-%D8%A7%DA%A9%D8%B3%D9%8A%DA%98%D9%86-%D8%AE%D9%88%D9%86-MAX30102

.9
https://www.hamshahrionline.ir/news/850025/%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%A7%D8%B2-%D8%AD%D8%B3%DA%AF%D8%B1%D9%87%D8%A7%DB%8C-%D9%86%D9%88%D8%B1%DB%8C-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AA%D8%B9%DB%8C%DB%8C%D9%86-%D9%85%DB%8C%D8%B2%D8%A7%D9%86-%D8%A7%DA%A9%D8%B3%DB%8C%DA%98%D9%86-%D8%AE%D9%88%D9%86