基于IoT的边缘—云协同多传感器智能静脉输液监测系统:集成架构与实验室可行性评估

《Applied System Innovation》:An IoT-Enabled Multi-Sensor Smart IV Infusion Monitoring System with Edge–Cloud Integration

【字体: 大 中 小 】 时间:2026年10月24日 来源:Applied System Innovation 3.4

编辑推荐:

  常规重力输注的静脉(IV)输液主要依赖目视检查,在护理查房间隔期间可能发生滴速异常、液体耗尽和血液回流等异常事件。本研究开发并评估一种具备物联网(IoT)支持、边缘—云协同(edge–cloud integration)的多传感器床旁监测系统。双核ESP32边

  
常规重力输注的静脉(IV)输液主要依赖目视检查,在护理查房间隔期间可能发生滴速异常、液体耗尽和血液回流等异常事件。本研究开发并评估一种具备物联网(IoT)支持、边缘—云协同(edge–cloud integration)的多传感器床旁监测系统。双核ESP32边缘节点集成SD01光学滴速传感、XKC-Y25非接触式耗尽检测、TCS34725光学血液回流检测、MAX30105心率和SpO2监测以及PN532 NFC/RFID工作人员身份认证。FreeRTOS任务划分将高速生理处理与通信任务分离。确定性报警在边缘节点本地生成,不依赖云可用性。处理后的状态每1 s同步至Supabase云后端,并显示在具有隐私感知公共视图和NFC认证临床视图的多床位仪表板上。实验室测试显示,IV流速总体平均绝对误差低于3.5%,血液回流报警响应时间低于1 s;血液回流检测器的灵敏度、特异度和假阳性率未量化。在与商用脉搏血氧仪的初步比较中(五组配对读数),心率平均差异为4.2 bpm,SpO2平均差异为0.6个百分点,平均绝对差异分别为5.0 bpm和1.8个百分点。这些结果证明集成架构在实验室层面的可行性,但未确立通用测量精度、可靠血液回流检测或临床准确性。知识引导决策支持层作为未来工作概述。
常规重力输注的静脉(IV)输液依赖护理人员目视检查,护理查房间隔内可能发生滴速异常、耗尽、管路堵塞和血液回流等事件。现有智能输液研究多集中于滴速计数、剩余量估计、药袋识别或远程可视化等一两个功能,较少在同一低成本床旁架构中整合输液状态传感、生理监测、血液回流识别、身份认证、本地实时处理、云同步和隐私感知多床位可视化;这一功能整合缺口构成本研究动机。人工智能(AI)决策支持需同步且标注的数据,本研究因此聚焦已实现的传感与边缘—云平台,知识引导决策层仅作未来概述。研究人员开发并评估SmartCare系统,将床旁节点视为集成边缘计算平台而非独立滴速计数器。实验室结果表明集成架构可行,但未确立通用测量精度、可靠血液回流检测或临床准确性;其意义在于为后续验证和知识引导决策提供系统与数据基础。

关键技术方法:系统以双核ESP32为边缘节点,集成SD01光学滴速、XKC-Y25非接触耗尽、TCS34725光学血液回流、MAX30105心率/SpO2及PN532 NFC/RFID身份认证模块;采用FreeRTOS将高速生理处理与通信任务分区,并用ΔT间隔、中断驱动、40 ms去抖和指数移动平均(EMA)滤波估计滴速与流量;以归一化红比和时间持续性判定血液回流;处理状态经HTTPS REST每1 s同步至Supabase,构建公共与NFC认证临床双视图。生理比较样本为一名作者自身的非侵入性测量、五组配对读数;无其他临床队列。

研究结果:
4.1 电路实现与多传感器集成:通过原型电路与多传感器联调,双I2C安排使MAX30105和TCS34725共享I2C0、PN532使用I2C1,SD01中断输入和XKC-Y25数字输入独立采集,五模块可并发运行且无需外部复用器;未记录处理器负载和最坏执行时间,但报告实验室运行未观察功能冲突。
4.2 云仪表板与多床位可视化:通过Supabase连接仪表板测试,系统按1 s更新间隔接收并显示状态,多床位卡片并行呈现输液条件、滴速、剩余液体、心率、SpO2和报警状态;公共视图去除详细患者身份信息,NFC/RFID认证后的临床视图显示更多床位相关信息和历史报警记录。
4.3 生理测量比较:通过SmartCare与商用指尖脉搏血氧仪的五组配对读数比较,SmartCare心率77–83 bpm(79.4±3.29 bpm),参考设备72–79 bpm(75.2±2.59 bpm),配对差为3、8、5、?2、7 bpm,平均符号差4.2±3.96 bpm,平均绝对差5.0 bpm;SpO2为97.0±2.00%对97.6±0.55%,平均符号差?0.6±2.30个百分点,平均绝对差1.8个百分点。原文强调该小样本仅属初步工程验证,不能确立临床等效性。
4.4 输液监测与报警响应:通过实验室流速与报警测试,联合光学滴检测、40 ms去抖、间隔计算和EMA滤波得到总体流速平均绝对误差低于3.5%;血液回流光学路径和视听通知在报告试验中响应低于1 s。原文指出参考流速、个别设定点和重复测量数据不可用,结果仅为总体实验室观察;报警响应时间只表征状态识别后的报警链时延,不能证明血液回流检测可靠,检测器校准、灵敏度、特异度和假阳性率未量化。
4.5 集成系统性能总结:通过定量与功能结果汇总及证据等级分类,原型级结果支持多传感器、云仪表板和报警链的功能集成,但各项功能的证据水平不同,不能将演示结果等同于临床性能。
4.6 当前原型的知识与AI就绪度:当前原型生成所提语义层所需传感器观察,但AI/KG/LLM管线未在ESP32或Supabase数据库本身执行;研究无标注文本语料、已填充生产知识图谱、已部署AI推理服务或足以验证的前瞻临床病例,因此未声称实体抽取F1、关系抽取F1、图检索准确性、LLM回答准确性或临床决策准确性。

讨论部分总结:研究主要贡献是将多种市售模块整合为协调的边缘—云工作流,系统级创新来自任务分区、本地安全逻辑、云同步和角色相关界面的协同,而非单个传感器新颖性。边缘—云分离兼顾本地实时报警与云端持久化、多用户访问和历史分析;与代表性智能医疗系统比较,本工作在单一床旁节点中报告了更广的功能整合范围,但比较属功能范围而非临床优越性证明。初步流量误差、生理差异和亚秒级报警响应支持实验室概念验证,却不能替代设定点重复验证、Bland–Altman或回归分析、多受试者生理验证及检测可靠性量化。隐私方面,公共与认证双界面仅为原型概念,临床部署仍需账户、角色授权、加密传输、审计、网络分段和机构治理;REST 1 s方案便于原型集成,但未来需比较MQTT、WebSocket/Realtime等传输在开销、时延、重连、能耗和扩展性方面的表现。长期可靠性、网络/电源/传感器故障、PCB与外壳、法规分类、电气安全、电磁兼容、可用性工程和软件生命周期控制均未验证。局限包括流量数据仅为总体MAE、回流检测未量化、生理比较仅一名受试者五组读数、网络性能未统计表征、长期运行未评估、硬件仍为开发模块。未来工作优先扩展验证矩阵,再考虑更多传感和医院信息系统互操作。规则、机器学习与大语言模型(LLM)的分工理由为:安全关键报警采用确定性规则并保持权威;数值异常分类适合随机森林、支持向量机或紧凑多层感知机等轻量模型;LLM仅拟用于基于知识图谱证据的解释和问答,须由临床人员审查,其相对规则或模板解释的优越性尚未证明。

研究结论部分翻译:已验证的系统贡献。本研究在实验室层面开发并评估了一种基于双核ESP32和边缘—云架构的IoT支持多传感器智能IV输液与生理监测平台。已实现系统集成光学滴速传感、非接触式耗尽检测、基于颜色的血液回流识别、心率和SpO2传感、NFC/RFID工作人员身份认证、Supabase云同步以及角色相关临床仪表板。确定性报警逻辑在边缘节点本地执行,独立于云可用性。实验室结果显示IV流速总体MAE低于3.5%、血液回流报警响应时间低于1 s、云更新间隔为1 s,初步心率和SpO2值与商用脉搏血氧仪处于同一范围。五个传感模块的并发运行、FreeRTOS任务划分以及公共/临床仪表板分离均经功能验证。这些发现支持集成架构的可行性,但未确立通用测量精度、可靠血液回流检测、临床准确性或患者照护就绪性。特别地,流速值是总体实验室观察,因为无设定点水平参考数据;报警响应时间不能证明血液回流被可靠检测。未来开发方向。第3.11节所述知识引导AI/KG决策支持层是拟议扩展,本研究未实现或评估,也未声称任何AI、知识图谱或LLM性能。特别地,LLM相对于基于规则或模板解释的优越性尚未得到证明。在拟议设计中,确定性边缘报警仍是权威安全机制,AI/KG层将限于供临床人员审查的有证据依据的解释。在该层开发之前,未来工作将聚焦于对现有功能进行更广泛的实验验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号