طور المهندسون في جامعة كاليفورنيا، سانتا كروز، طريقة جديدة لقياس معدل ضربات القلب في الوقت الفعلي دون الحاجة إلى أجهزة يمكن ارتداؤها، بالاعتماد فقط على شبكة Wi-Fi وجهاز Raspberry Pi. وبحسب التقارير، فإن هذا النظام المسمى Pulse-Fi يحتاج فقط إلى شبكة WiFi عادية لإرسال واستقبال الإشارات، ولم يعد يعتمد على الأجهزة الطبية التقليدية مثل الأساور والساعات الذكية. ومن المتوقع أن يؤدي ذلك إلى تبسيط مراقبة البيانات الصحية بشكل كبير وجعل الإدارة الصحية أكثر شعبية وملاءمة.
تقود المشروع كاتيا أوبراتشكا، أستاذة علوم وهندسة الكمبيوتر، وتم إصدار نتائج البحث في مؤتمر IEEE الدولي لعام 2025 حول الحوسبة الموزعة للأنظمة الذكية وإنترنت الأشياء. يشمل أعضاء فريق البحث طالب الدكتوراه نايان بهاتيا والباحث الزائر في المدرسة الثانوية براناي كوتشيتا. لقد أثبتوا أن شبكات WiFi اليومية جنبًا إلى جنب مع خوارزميات التعلم الآلي يمكنها تتبع الإشارات الصحية بدقة عالية.
يعمل Pulse-Fi من خلال الاستفادة من التغييرات الصغيرة التي تحدث عندما تخترق إشارات التردد اللاسلكي WiFi جسم الإنسان والأشياء البيئية. يستخدم النظام رقائق وأجهزة استقبال WiFi منخفضة التكلفة، جنبًا إلى جنب مع خوارزميات التعلم الآلي، لتحديد تقلبات الإشارة بدقة بسبب نبضات القلب الناتجة عن التداخل البيئي المعقد. وأشار بهاتيا: "الإشارة حساسة للغاية، ويجب اختيار المرشحات بدقة لإزالة الضوضاء البيئية المختلفة".
دعا فريق البحث 118 شخصًا للاختبار في 17 وضعية بما في ذلك الوقوف والجلوس والاستلقاء والمشي. استغرقت المراقبة 5 ثوانٍ فقط، ولم يتجاوز متوسط خطأ معدل ضربات القلب 0.5 نبضة / دقيقة. كلما زاد وقت المراقبة، زادت الدقة. يتطلب النظام فقط شريحة ESP32 منخفضة التكلفة (بسعر حوالي 5 دولارات) ولوحة أم Raspberry Pi (حوالي 30 دولارًا). حقق كلاهما نتائج ممتازة، وكان أداء Raspberry Pi أفضل. ويعتقد الباحثون أيضًا أنه إذا تم استخدام جهاز توجيه لاسلكي من الدرجة التجارية، فسيكون التأثير أفضل. وفي التطبيقات العملية، يعمل Pulse-Fi بثبات على مسافة تصل إلى 3 أمتار، كما تُظهر التجارب الأولية إمكانية الوصول إلى مسافات أطول.
وأشار كوتشيتا إلى أنه في الماضي، كان أداء أنظمة مراقبة صحة WiFi غير مستقر في ظل التغييرات في المسافة ووضع الجسم، لكن Pulse-Fi استخدم نموذج التعلم الآلي لحل هذه المشكلة تمامًا. وقال: "لقد وجدنا أنه بفضل التعلم الآلي، فإن تغييرات المسافة ليس لها أي تأثير على الأداء".
من أجل تدريب الخوارزمية، استخدم الفريق أولاً معدات ESP32 ومقياس التأكسج الطبي لجمع البيانات في مكتبة الحرم الجامعي في وقت واحد، مما يوفر "القيمة الحقيقية" لمعدل ضربات القلب لتعلم الشبكة العصبية. بالإضافة إلى ذلك، يتضمن البحث أكبر مجموعة بيانات لإشارة نبضات القلب WiFi في العالم تم جمعها بواسطة الفريق البرازيلي استنادًا إلى Raspberry Pi، مما يمنح Pulse-Fi الاتساع والدقة.
وعلى الرغم من أن النتائج الحالية تركز على قياس معدل ضربات القلب، إلا أن الفريق يحاول بالفعل تطبيقها على مؤشرات صحية أخرى مثل معدل التنفس وانقطاع التنفس أثناء النوم. تظهر التجارب المبكرة غير المنشورة أن إشارات WiFi قد تكون قادرة على اكتشاف اضطرابات التنفس والنوم. إذا تم الاعتراف بهذه الدراسات في نهاية المطاف من قبل الصناعة، فمن المتوقع أن تصبح Pulse-Fi أداة منخفضة التكلفة وغير جراحية ومريحة لمراقبة الصحة المنزلية والسريرية، مما يجلب أخبارًا جيدة إلى المناطق ذات الموارد الطبية المحدودة.