当前,AI for Science 正在深刻改写科学研究的基本范式。生命科学与大健康产业,同样也处于 AI 浪潮驱动下的剧烈变革之中。在这个高度复杂且快速演进的时代,一个问题变得具体而迫切起来: AI 时代,我们该如何激发下一代对于生命科学与健康产业的好奇心?

带着这份期许,「青声集·在(ZÀI)计划」应运而生。它不做单向灌输,而是把青少年放到真实问题面前。
“在(ZÀI)”这个名字,既取自 GenZ 与 AI 的结合,也代表“Being(存在/在场)”——我们希望这些年轻的数字原住民们不要仅仅停留在屏幕前,而是能真实地存在于物理世界中去感知意义。整个项目的课程架构建立在一个基础公式之上:



在(ZÀI)计划: 复杂科学 + X + AI 软硬件




在 01 期项目中,我们将探索变量“X”设定为“植物科学”,鼓励青少年结合人工智能去探索自然生态。在 2026 年 4 月于北京举办的“集智科学节”汇报现场,香港城市大学陈关荣教授与北京师范大学系统科学学院韩战钢教授对孩子们的项目进行了面对面点评。专家们不仅对跨学科探索的综合能力给予了认真反馈与鼓励,也提出了进一步深化的建议——鼓励青少年组队合作、优化实验设计,并在表达中更清晰地传递思考逻辑。这也是为什么,我们针对本期在(ZÀI)计划进行了迭代:青少年以团队协作的方式,不仅自己选题、完成实验,还会产出一篇完整的科普文章。 

ZÀI 计划 01 期合影

如果说项目第一期的探索变量“X”是植物科学,那么在即将结束的 02 期中,我们的“X”则设定为“传感器”。
传感器是 AI 进入生命健康场景的物理入口。没有它,算法拿不到真实世界的数据。对于大众来说,这也是距离最近、也最容易被忽视和误解的技术之一。
本次面向青少年的深度科普探索之旅,既包含了线上的 AI 前沿工具探索,还有线下的实地调研:同学们亲赴义乌,直接接触真实的中国供应链实体,也拆解家里的旧电脑、旧手机,去了解传感器。,最后,大家分组围绕真实生活场景,设计家庭实验、撰写科普文章。期间,我们还提供了一系列复杂科学书单,帮助他们建立跨学科的认知框架。
在(ZÀI)计划一直以来的核心理念是“把青少年作为主体”。科学探索不应只是单向灌输,把知识点简化了教给他们了事,而是要让青少年自己去记录、去表达,比如本次的作业:撰写“青少年给青少年的科普文章”。
当然,这里需要说明的是:作为中学生(甚至 02 期还有几位小学生),他们设计的实验或许略显稚嫩,所用的家用设备也不足以推导出极其严密的“科学真理”。但在整个充满挑战与趣味的过程中,他们通过文献调研、实验与内容创作,更加深刻地理解了什么是科学思维和什么是一个好的实验、学会了怎么能用合理的逻辑与篇章结构表达自己的想法以及如何用文字和图片等形式加强读者的理解,从中收获了成长。
我们认为,将这些略显稚嫩却非常真诚的作品呈现出来,完整展现他们“知行合一”的探索过程,对于激发下一代主动运用当代的工具和方法,去探索、了解生命科学与健康议题,是至关重要的。
「在(ZÀI)计划」02 期的核心支持方,是集智俱乐部与动脉网。集智俱乐部走过二十三年,长期致力于复杂科学的前沿探索与科普传播工作;而动脉网作为致力于推动医疗健康产业创新的专业媒体,始终关注前沿科技赋能医疗产业的变革,以及下一代产业创新人才的生态培养。
面对青少年的复杂科学科普,我们不会止步。未来,我们将以更加多元的方式持续推进,通过线上与线下结合,走进更有创新文化土壤的地方,让更多青少年有机会接触复杂科学思维,并将这种思维落地在产业与生活场景中,培养下一代在真实世界中的创新能力。
经过一个多月的实验探究与科普文章撰写,最终,本次 02 期的第二组(硅途组)同学的作品达到了发表要求。我们将他们的探究成果展现在这里,以此作为一场关于好奇心的接力。




文章简介:

带着好奇心重新认识家里的健康设备




一个再普通不过的夜晚,韩月檬被体脂秤上的 2% 难住了。
妈妈洗完澡后站上秤,体脂率比下午高了 2%。同一个人,只隔几个小时,身体不会这样变化,数字却变了。
为了弄清家里的健康设备到底在测什么,她和两位同学决定在家里办一场小测验。
有人穿着一只袜子站上体脂秤;有人用不透光的黑色电工胶带缠住指尖,再夹进指夹式血氧仪;还有人把花露水喷到甲醛仪旁边。几个看似捣乱的举动,实际上是在故意破坏每台设备的测量前提。
结果有些出乎意料。
隔着一只袜子,体脂秤依然给出了体脂率。被遮住光的血氧仪,仍显示出一个落在正常范围内的数字。一点甲醛都没有的花露水,则让甲醛仪立刻响起了警报。
设备没有坏。它们只是在获取不到完美信号时,借助算法给出了一种看似合理的估计。屏幕上的“测量值”,也因此并不必然等于真实。
这些小测试揭开了百元级家用传感器的工作原理和物理局限,也让三个同学真正体会到:面对看似确凿的“结果”,我们需要多一分思考,去追问它是怎么来的。
过去一年,人们不断讨论 AI 会给教育带来什么。它降低了接触知识和工具的门槛,让年轻人有机会更早触及真实问题。但当答案越来越容易被一键生成,“学会追问答案的来路”反而成了更核心的课题。
这堂充满好奇心的探究课,正是让我们在最熟悉的生活场景里,练习如何通过追问,去逼近屏幕数字背后的真实。




我们把家里的健康设备“搞坏了”




作者:陈添笑 · 韩月檬 · 孙书意(ZÀI 计划 02 期 硅途组)
指导老师:ZÀI 计划 · 韩老师、杨明哲

01 一台秤上的 2%

韩月檬的妈妈每天早晚各称一次体重。称之前先深呼吸一口,再小心地把脚对准体脂秤的电极区。低 0.2 公斤,她高兴一整天;高 0.1 公斤,她在饭桌上叹一口气。
那天晚上月檬妈妈洗完澡,光脚踩上那台写着"专业测体脂率"的秤,月檬发现,妈妈体脂率比下午高了 2%。同一个人,相隔 4 小时,差了 2%。
体脂秤是在"测量"我们的体脂率,还是它只测了体重,剩下的体脂率、肌肉量、骨量、水分,是按某个公式推出来的?
月檬把这件事发到 ZÀI 计划的群里,大家的问题一个接一个冒出来。
有人说,夏天家里一喷花露水,甲醛测试仪就报警,说超标了。可花露水里没有甲醛,为什么测甲醛的仪器会响。有人说,我跑步手环说今天消耗了 800 大卡,可我明明一整天都坐在图书馆看书。
所以,这些设备到底在测什么?它们给的"真实数据",真的代表"真实"吗?
图 1 形形色色的健康设备(来源:AI生图)

三台设备

今年暑假,我们在 ZÀI 计划里决定亲自试一遍。备选清单有:扫地机器人、空气净化器、智能手环、体脂秤、血氧仪、甲醛仪、运动手表,最后选了这三台:
一台体脂秤,测"人体组成",关联方法误差。
一台指夹式血氧仪,测"血氧饱和度",关联采样误差。
一台电化学甲醛仪,测"甲醛浓度",关联环境误差。
它们有一个共同点:测出来的结果,不一定等于真实情况。原因有物理原理本身的局限、算法的"脑补",还有一些隐藏的产品设计。
图 2 ZÀI 计划组员和导师正在交流实验步骤(来源:ZÀI 计划)

02 从传感器到数字

我们住在传感器里

中国科学院院士褚君浩在《智能"传感","感知"天下》里提到,一辆汽车里有 100 多种传感器,一部智能手机里有 10 多种。智能手表里有加速度计和心率传感器,空调里有温湿度传感器,扫地机器人里有红外测距和碰撞传感器。
传感器有点像人的感觉器官。加速度计相当于内耳前庭,温度传感器相当于皮肤,摄像头相当于眼睛,麦克风相当于耳朵。不同的是,它的读数会被三样东西卡住:环境、采样方式,还有它自己的物理原理。传感器的误差就从这三处来。

三类误差

中国科学院的一篇科普文章把测量误差归为三类,正好跟我们那三台设备对得上。
方法误差,是工具的物理原理本身有缺口。电阻式探针测土壤湿度,原理是"水越多电阻越低",它没算上盐分和温度也会改电阻。
环境误差,是温度、湿度、磁场这些外部条件拨动读数。温度一升高,电子秤的传感器会发生零点偏移。
采样误差,我们看到的测试结果是从连续信号里抽帧抽出来的,丢掉的那部分可能正好是关键。比如,电影里高速旋转的车轮看着在倒转,就是采样不足造成的混叠。
我们和 AI 聊了几轮,发现实验要想能出结论,得靠可控变量下的重复。控制变量,是每组只改一个条件;重复,是每个条件至少测 2–3 次取代表值,免得被瞬时跳数带偏。多次测量只能把误差减小,是无法把误差彻底消除的。

它们在测什么

体脂秤用的是 BIA(生物电阻抗分析),即借助了生物电阻抗原理。它向人体通入一个微小的交流电流,人感觉不到,电流从一只脚进、穿过躯干、从另一只脚出。脂肪几乎不导电,肌肉含大量水分和电解质、导电。测出电阻抗,就能推算身体里有几分之几是"水+电解质",也就是瘦体重,剩下的就是体脂率。
指夹式血氧仪用的是 PPG(光电容积脉搏波)。夹子一头是红光 LED(约 660 nm)和红外 LED(约 940 nm),另一头是光电传感器。光穿过手指时会被血液吸收一部分。这里的物理定律叫 Beer-Lambert:吸收量 = 吸光系数 × 浓度 × 光路长度。氧合血红蛋白和脱氧血红蛋白对红光、红外光的吸收能力正好相反,SpO2(血氧饱和度) 算法就用这个差推算血氧饱和度。
甲醛仪里是电化学气体传感器。甲醛分子扩散到电极表面,氧化反应产生微弱电流,电流大小粗略正比于甲醛浓度。传感器的电压响应走的是一条对数曲线,不是直线,所以低浓度时分辨率很差。还有一点:电化学传感器对甲醛的响应不是 0/1 的"专属",很多 VOC(挥发性有机物)都能触发类似的反应。花露水里的酒精和香精就是常见的"误报源"。
图 3 · 基于专家建议进行实验设计概念图(来源:ZÀI 计划 02 期 硅途组,AI 辅助生成)

03 我们设计的三个实验

我们把家里那三台"会出数字的设备"、和它们各自"声称能测什么"列成一张表,连第二部分那三类误差一起发给 AI。AI 针对每一类误差,反向设计了对应的"故意把条件搞糟"的实验:既然原理是这样,那就破坏原理的关键条件,看它还读不读得出来。
所有的实验器材都来自家里:体脂秤一台、棉袜两只、A4 纸和湿巾若干;血氧仪配不透光的黑色电工胶带和秒表;甲醛仪配花露水、75% 医用酒精和棉球。
三个实验都按同样顺序展开:读对照,只改一个条件,多个条件一起改,换不同的人重测。每换一次条件都等读数稳定再记,每个条件重复 2–3 次取代表值。记录表上我们多加了一栏"备注",专记意外的观察。

实验一 体脂秤:干扰电路环路

核心问题: 体脂秤号称用 BIA 测体脂率。电极接触被切断、人体电路断了,"体脂率"还读得出来吗?
为什么这样设计: BIA 有一个直接的推论——电极得成对,左右脚各一个。我们设"穿一只袜子 / 穿两只袜子"两种条件,想分清三种可能。都不输出,说明秤严格依赖电极。都还输出,说明秤可能只是按公式查表,电极只是个门面。只有穿两只时不输出,说明电极确实在工作,但算法在"半失灵"时容易出错。
步骤: 先测对照,光脚站上秤,记录体重、体脂率、肌肉量、水分,重复 3 次取平均。然后穿袜子,从不穿到一只(左脚)再到两只,每次记全套数据。接着垫纸,秤面铺 1 张 A4 纸、再铺 2 张。再把脚掌用湿巾擦湿,立刻上秤。最后换 2–3 位体重和性别不同的人,把上面所有条件重做一遍。(详细实验过程参看后续实验记录表)
图 4 穿了一只袜子情境下的测量(来源:ZÀI 计划 02 期 硅途组线下实验记录)

实验二 血氧仪:遮住光,再晃一晃

核心问题: 血氧仪用 PPG 测 SpO2。胶带遮光切的是原理,接近方法误差;晃动会导致采样出现扰动,属于采样误差。
为什么这样设计: 测量过程利用了Beer-Lambert 定律。该定律是描述物质对光吸收强度与吸光物质浓度、吸收层厚度之间定量关系的基本定律,但它的前提是光能穿过手指。我们用不透光的黑色电工胶带把指尖缠上 2–3 层,从背面照手电筒确认没有漏光,光路被物理切断。实验前我们猜了两种可能:算法会沿用上一次的有效值,或者算法主动给一个"正常范围"的默认值。至于晃动,PPG 信号很微弱,光强变化只有约 1%,手腕一甩,光路变了、血液重新分布,信号就被运动导致的错误采样干扰了。
步骤: 正常夹入食指,等读数稳定后记 3 次。缠上 2–3 层黑色电工胶带,保证不透光,再夹入读数 3 次。夹稳手指,匀速上下甩手腕 30 秒,每 5 秒记一次。最后反复摘下、重新夹入 5–10 次,记下每次的稳定读数。

实验三 甲醛仪:在它旁边喷点花露水

核心问题: 电化学甲醛传感器号称对甲醛高选择性,实际对很多 VOC 都有响应。花露水、酒精会让它误报甲醛吗?
为什么这样设计: 甲醛仪的"选择性"是相对偏好,不是 0/1 区分。如果一台仪器只响应甲醛,那它对花露水、酒精应该完全没反应。它要是误报了,屏幕上那个"甲醛浓度"就是"某些 VOC 的总量"的代理。
步骤: 在通风良好的房间里读 3 次做对照。在仪器附近约 20 cm 处喷洒花露水,立即读数,之后在 15 s / 30 s / 60 s / 120 s / 300 s 各读一次,直到读数回落。再用 75% 酒精棉球挥发,同样立即读数,并在 15 s / 30 s / 60 s / 120 s 各记一次。

04 实验结果:三组实验的发现

发现一 体脂秤:电极在工作,但会半路失灵

图 5 干扰体脂秤电路环路实验过程与结果(来源:ZÀI 计划 02 期 硅途组)
通过三个人的重复,我们发现最终实验结果是一样的。
不穿袜子,全部给出完整读数。穿一只袜子,体脂率依旧能够显示,跟对照读数看不出差别。穿两只袜子,体脂率全部没有,但体重始终显示。
垫纸也一样。垫 1 张 A4 纸仍有读数、看不出差别,垫 2 张就没有了。脚掌擦湿之后,体脂率有 0.3% 左右的漂移。
以上实验结论说明,这台体脂秤的电极确实在工作。穿两只袜子时直接断流,说明 BIA 是被真实调用的,不是公式查表。但它对"电极半失灵"容易出错:穿一只袜子时阻抗测量已经失真,它照样把体脂率报了出来,看来体脂秤具有一定的容错性。另外,皮肤干燥度对体脂测量确实有影响,体脂率读数会有明显的漂移。
图 6 干扰体脂秤电路环路实验发现与总结(来源:ZÀI 计划 02 期 硅途组)
实验结束那晚,月檬把这个结论讲给妈妈听。她的第一反应是笑着说:"那我明天称体重,是不是应该确保先把脚擦干?"

发现二 指夹式血氧仪:挡住光,居然也显示 97% 血氧含量

图 7 干扰指夹式血氧仪实验过程与结果(来源:ZÀI 计划 02 期 硅途组)
胶带把光完全挡住,手电筒从背面照过去没有漏光,光路被物理切断。SpO2 和脉率仍显示在正常范围里,97%、72 bpm,跟对照读数看不出差别。揭下来重贴,还是同样的值。晃动时,两个数都剧烈漂移。
光路断了,仪器手里没有任何真实信号,它还是输出了"97%"。这个数字不是沿用旧数——揭开再贴上,每次都是重新算出来的 97%。
图 8 干扰指夹式血氧仪实验发现与总结(来源:ZÀI 计划 02 期 硅途组)
算法发现信号丢了,就给一个“正常范围”的默认值,而不是显示“无法测量”。我们推测,这是消费级医疗设备某种产品设计,以应对一些特殊情况。我们看到的那个 97%,是产品设计中的算法给出来的,不是通过Beer-Lambert 定律算出来的。

发现三 家用甲醛测试仪:花露水引发误报

图 9 挥发性有机物干扰家用甲醛测试仪实验过程与结果(来源:ZÀI 计划 02 期 硅途组)
对照读数约 0.03–0.04 mg/m³,是正常的室内浓度,没有触发蜂鸣。喷了花露水,数字瞬间飙到 0.42 mg/m³,蜂鸣响起。花露水里没有甲醛。酒精也一样,峰值 0.31 mg/m³,同样响。所有干扰都在 5 分钟之内回落到对照读数附近。
电化学传感器的选择性不是 0/1 的开关,它对很多 VOC 都有响应。屏幕上的"甲醛浓度",是"某些 VOC 总量"的代理。读者们也可以回家做类似实验,在家用甲醛测试仪器边喷点花露水,甲醛仪就会响,但花露水和酒精里根本没有甲醛分子。
图 10 挥发性有机物干扰家用甲醛测试仪实验发现与总结(来源:ZÀI 计划 02 期 硅途组)

小插曲:数字卡在 1.920 不动了

做到酒精组的最后,我们把棉球凑得更近、停得更久。数字一路上涨,最后稳稳卡在 1.920 mg/m³,再也不动。换一块新棉球、再凑近一点、再停久一点,还是 1.920。我们反复试了五六次。
1.920 是这台仪器的天花板。超过这个数,液晶屏只会显示"1.920",不会再大。实际浓度可能远远超过 1.920,仪器已经无法再显示更高数值了。不过我们日常生活中,应该也遇不到这种“甲醛爆表”的罕见情况吧。
图 11 · “爆表”的1.920 (来源:ZÀI 计划 02 期 硅途组)
表 1 三类误差对照(来源:ZÀI 计划 02 期 硅途组)

05 读数的可信度

两层猜测

我们身边很多消费健康设备的"测量值",隔着两层猜测——一层是物理原理本身的局限,一层是设备内置的默认算法。两层叠在一起,屏幕上那个精确到小数点的数字,就很容易被当成真值。
表 2 · 怎么判断读数可不可信(来源:ZÀI 计划 02 期 硅途组)

整体大于部分之和

通过韩老师,我们了解到了"整体大于部分之和",这个思想最早可以追溯到古希腊哲学家亚里士多德。我们通过查阅相关文献发现:现代医学每天都在印证这个思想理念。资料显示,多种测量指标组合,能大大提升检测准确率。详细可参看附录A。
这件事在物理学里有个更准确的名字——"涌现"。1972 年,P. W. Anderson 在《Science》发表《More is Different》,他指出了还原论的边界:哪怕把基本粒子、原子核研究得再透彻,也无法从中推导出超导;每一个尺度都有自己独立的规律,层级之间无法相互还原。这一观察为后来的复杂性研究打开了一扇门:大量简单的个体按局部规则互动,常常涌现出无法从局部预测的宏观行为——蚁群如此,免疫系统如此,互联网也如此。
正值张江老师的《涌现》新书出版,与米歇尔的《复杂》对照读,可以看到一条清晰的递进:复杂性是被结构化出来的,不是堆出来的。这和我们在做的传感器研究有直接的呼应。今天测量一项生命指标,往往依赖单个传感器;未来更值得期待的是传感器阵列——成百上千个传感器按特定拓扑组织起来,彼此校准、冗余互补、协同识别信号。从单点到阵列,不只是数量的增加,更可能是一次精度与稳定性的"涌现",远不是单个传感器的简单叠加。
这正是我们实验室接下来想认真回答的几个问题:拓扑该如何设计,才能让涌现朝着我们想要的方向发生,而不是反过来被噪声淹没?涌现带来的新现象,又该如何在物理上被理解、被验证,而不只是被"测出来"?这些既是工程问题,也关乎我们如何看待整体与部分的关系。如果这些问题让你觉得有意思,欢迎一起来做点事。

  图 12 《涌现》与《复杂》
需要申明的是,本次我们只用了三台设备,每类只有一台,所以结论不一定能推广到别的品牌。
但是我们学到了:当我们从设备上读取一个数字时候,它的背后有原理、有算法、有默认的假设,这三样都可以单独拿出来看。以后再遇到一个漂亮数字,我们会先想想它的来路。
图 13 整体实验思路(来源:ZÀI 计划 02 期 硅途组 AI绘制)

06 从实验到日常

实验做完那天,我们坐在客厅里商量:这些可以科普给家人和同学。
例如在家里,有人晚饭后站上秤,有人去测一下新房甲醛,有人戴着智能手环出门跑步。我们可以:

跟家人说:脚擦干再上秤

脚上有水或者穿了袜子,体脂秤要么测不准,要么不读数。上秤之前把脚擦干,光脚站上去。

尝试把花露水那一段拍成短视频

大家可以试着把花露水和甲醛仪这一段拍成短视频,发到班级群或者家庭群里。下面是一个示例脚本,读者们也可以自由创意。
[画面 1] 甲醛仪稳定在 0.04 mg/m³,对照读数。
[画面 2] 有人在一米外按了一下花露水。
[画面 3] 甲醛仪数字迅速跳到 0.42 mg/m³,蜂鸣响起,但花露水瓶上写着"不含甲醛"。
[画面 4] 字幕:"甲醛仪 ≠ 甲醛探测仪。它对酒精、香水、清洁剂也会响。"

07 AI 计划与这个暑假

这个暑假我们参加了 ZÀI 计划。活动期间,我们入门了复杂科学、AI 编程,系统学习了传感器原理、亲手拆了家里的旧电脑、旧手机,还去义乌实地考察了解了中国的供应链,做了一系列实验,并且共同撰写了这个科普小作业。或许我们的实验和发现不完美,但是我们学习到了如何提出一个好问题、如何设计实验收集数据、分析数据撰写文章。
下面是我们组一个同学的感悟:
"ZÀI 计划让我体会到,科学实验不仅是理论的推演,更是对'真实世界干扰'的预判与应对。韩老师对实验三要素和控制变量法的强调,让我意识到严谨设计是获取有效数据的前提。而在动手环节,我们借助 AI 设计实验,主动探索如何让血氧仪失灵,这一过程充满挑战与趣味。无论是涂抹墨水还是绑胶带,看似简单的操作背后,都需要精确控制变量并重复验证,才能排除偶然性。我不仅学习了传感器的工作原理与局限,更领悟到科学探索中'反常'与'误差'的价值——它们往往是推动看问题多了一个角度的契机。这次把物理、化学、生物一起用上的练习,让我对实验科学有了更鲜活、立体的理解。"
—— 团队成员代表 · 陈添笑
图 14 · ZÀI计划小组成员合照(第二组硅途组)




特别感谢




感谢以下个人与机构对本项目的支持:
感谢指导老师 ZÀI 计划 领航员 韩老师。他为这次实验设计提供了"控制变量 + 多次重复"的原则,让我们的实验从"随便玩玩"变成了"可以下结论"。感谢集智俱乐部社区的杨明哲先生,为本文的复杂科学视角提供专业建议。感谢张雅文(ZÀI 计划),为科普文章提供撰写框架。家庭支持来自各组员家庭,提供了测试场地、器材与精神支持;韩月檬妈妈贡献了"称体重前要不要先擦脚"这个第一人称场景。特别感谢所有帮我们看草稿、提供思路与建议的老师与同学。也感谢各种 AI,随时 解答我们的疑惑(即使有的时候是奇奇怪怪的问题)。

参考文献

1. Chu, J.-H. 智能"传感","感知"天下. 学习强国 (2024). <https://article.xuexi.cn/articles/index.html?art_id=2086353334215170693> (accessed 2026-09-28).
2. 中国科普博览(科普中国). 测量误差的来源. 科普中国 (n.d.). <https://www.kepuchina.cn/article/articleinfo?business_type=100&ar_id=331191> (accessed 2026-09-28). 注:原文未署个人作者,署名"中国科普博览"为发布平台。
3. Beer–Lambert law. Wikipedia (accessed 2026-09-28). <https://en.wikipedia.org/wiki/Beer%E2%80%93Lambert_law>.
4. Bioelectrical impedance analysis. Wikipedia (accessed 2026-09-28). <https://en.wikipedia.org/wiki/Bioelectrical_impedance_analysis>.
5. Pulse oximetry. Wikipedia (accessed 2026-09-28). <https://en.wikipedia.org/wiki/Pulse_oximetry>.
6. Kyle, U. G. et al. Bioelectrical impedance analysis—part I: review of principles and methods. Clin. Nutr.23, 1226–1243 (2004). <https://doi.org/10.1016/j.clnu.2004.06.004>.
7. Segal, K. R. et al. Lean body mass estimation by bioelectrical impedance analysis: a four-site cross-validation study. Am. J. Clin. Nutr.47, 7–14 (1988). <https://doi.org/10.1093/ajcn/47.1.7>.
8. Sun, S. S. et al. Development of bioelectrical impedance analysis prediction equations for body composition with the use of a multicomponent model for use in epidemiologic surveys. Am. J. Clin. Nutr.77, 331–340 (2003). <https://doi.org/10.1093/ajcn/77.2.331>.
9. Jubran, A. Pulse oximetry in critical care. Crit. Care19, 272 (2015). <https://doi.org/10.1186/s13054-015-0924-z>.
10. Tan, J. K. S., Lee, C. C. & Yee, S. Y. Finger sensor for use in a pulse oximetry system. US Patent 4,825,872 (1989). <https://patents.justia.com/patent/4825872>.
11. Rhee, S., Yang, B.-H. & Asada, H. H. The ring sensor: a wearable finger blood-flow/pressure sensor for physiological monitoring. in Proc. 20th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. vol. 20 1362–1366 (IEEE, 1998). <https://doi.org/10.1109/iembs.1998.746970>.
12. Zhang, L., Zhang, X., Miao, F., Zhao, G., Wang, H. & Liu, M. Amperometric gas sensor for formaldehyde based on a Pd–Au/three-dimensionally ordered macroporous–Prussian blue composite electrode. Sensors8, 1351–1361 (2008). <https://doi.org/10.3390/s8031351>. 注:原题 "Amperometric enzyme-based gas sensor for formaldehyde" 是 Nature 风格压缩的短标题;该 DOI 指向论文的真实全标题(Pd–Au/3DOM-PB 复合电极)。
13. Moreno-Rangel, A., Sharpe, T., Musau, F. & McGill, G. Field evaluation of a low-cost indoor air quality monitor to quantify exposure to pollutants in residential environments. J. Sens. Sens. Syst.7, 373–388 (2018). <https://doi.org/10.5194/jsss-7-373-2018>.
14. Bomberg, T., Toivonen, M., Parshintsev, K., Hartonen, K. & Riekkola, M.-L. Application of the low-cost sensing technology for IAQ monitoring. Environ. Technol. Innov.27, 102551 (2022). <https://doi.org/10.1016/j.eti.2022.102551>. (注:原题未署卷期,按 ScienceDirect 该文载于 Environ. Technol. Innov. vol. 27, art. 102551, 2022。)

附录 A 生命科学中的整体大于部分之和

Pimentel 等 2018 年 Resuscitation 上发表的英国 5 家 NHS 医院、25 万余例多中心队列显示:NEWS2 对院内死亡的 C-statistic 0.81,远高于任何单项生命体征;Chan 等 2018 年 JNM 头颈癌研究也发现:40 例患者中,PET/CT 模棱两可的 17 个病灶,PET/MRI 联合判读后正确修正了 16 个——都是合起来才看得见。
文献来源:
Pimentel, M. A. F. T. et al. A comparison of the ability of the National Early Warning Score and the National Early Warning Score 2 to identify patients at risk of in-hospital mortality: a multi-centre database study. Resuscitation134, 147–156 (2018). <https://doi.org/10.1016/j.resuscitation.2018.09.002>. 关键数据:英国 5 家 NHS 医院、251,266 例入院,NEWS2 对院内死亡整体 C-statistic = 0.81(95% CI 0.80–0.82)。
Chan, S.-C. et al. PET-MRI provides incremental value in patients with head and neck cancer. J. Nucl. Med.59 (suppl. 1), 635 (2018). <https://jnm.snmjournals.org/content/59/supplement_1/635>. 关键数据:40 例头颈癌患者、117 个异常部位;PET/CT 17 个模棱两可病灶中,PET/MRI 联合判读后正确修正 16 个;PET/CT 的 21 个假阳性在 PET/MRI 上全部转为真阴性。

附录 B · BIA 原理补充(给想深入的同学)

正文为了让好奇的青少年读懂,把 BIA 简化成了"测电阻推算身体组成"。这一节再补两点。
第一,阻抗不是纯电阻。电流穿过人体时,除了电阻,还会遇到电容性的阻力——细胞膜像电容器,交流电穿过它会被相位偏转。所以严格来说,测到的是"复阻抗 Z",一个同时包含幅值和相角的物理量,不再只是单纯的"电阻 R"。
第二,相角 φ 是一个独立指标。φ 越大,说明细胞膜越完整(年轻、健康、运动员);φ 越小,说明细胞膜有损伤、炎症或衰老。临床上有专门的"相位角参考表",不同性别、年龄、疾病人群的正常范围都不一样。它和体脂率是两条独立的健康线索——一个人可以体脂率正常,但相角偏低,提示细胞层面有问题。
那为什么家用体脂秤不显示相角?测相角需要更复杂的电路,要同时测电压和电流的相位差;解释相角需要临床参考表,门槛比"体脂率百分比"高得多;对消费者来说,相角也远不如"瘦了 0.5 公斤"直观,产品没有动力显示。所以读者们手里那台家用体脂秤,大概率只能给到幅值,不会给到相角。这一点,在判断它"准不准"的时候,可以当作参考。
图 15 · 说明书上的小字“透露”的测量原理


AI+Science 读书会


AI+Science 是近年兴起的将人工智能和科学相结合的一种趋势。一方面是 AI for Science,机器学习和其他 AI 技术可以用来解决科学研究中的问题,从预测天气和蛋白质结构,到模拟星系碰撞、设计优化核聚变反应堆,甚至像科学家一样进行科学发现,被称为科学发现的“第五范式”。另一方面是 Science for AI,科学尤其是物理学中的规律和思想启发机器学习理论,为人工智能的发展提供全新的视角和方法。

集智俱乐部联合斯坦福大学计算机科学系博士后研究员吴泰霖(Jure Leskovec 教授指导)、哈佛量子计划研究员扈鸿业、麻省理工学院物理系博士生刘子鸣(Max Tegmark 教授指导),共同发起以“AI+Science”为主题的读书会,探讨该领域的重要问题,共学共研相关文献。读书会已完结,现在报名可加入社群并解锁回放视频权限。


详情请见:
人工智能和科学发现相互赋能的新范式:AI+Science 读书会启动

图片

点击“阅读原文”,报名读书会

内容中包含的图片若涉及版权问题,请及时与我们联系删除