人体在日常生活中会产生各种生理信号，为了解人体健康状态提供了丰富了信息，同时，可穿戴技术与理化传感功能的融合有望为实时健康监测提供强大的预测平台。然而，受限于传统制造技术难以进行定制化功能材料加工，现阶段对于多模态传感的研究需要多种不同加工方式配合，且需要经过电镀、切割等多步复杂工艺，时间长效率低重复性差，难以实现大批量的稳定制备，限制了多模态可穿戴生物电子家庭式健康管理和个性化精准医疗的快速发展。

图1. 三维打印多模态电子皮肤实现机器学习赋能的健康监控

 图4. 基于三维打印电子皮肤的实时健康监测及机器学习赋能的行为预测

  值得注意的是，定制化油墨材料需要满足打印所需的流变特性，进一步通过半固体挤出的三维加工方式，实现电子皮肤不同组成部分的图案化大批量加工，包括多模态传感器、导电连接线、多层微流道结构、离子电渗水凝胶、柔性衬底、微型超级电容器等，进一步通过相分离的方式，诱导产生多孔结构，例如在打印得到的多层MXene叉指电极的基础上，通过冷冻干燥方式极大提升了电极的比表面积，展现了优异的微型超级电容器能量存储能力。将全打印的电子皮肤配合商用太阳能电池以及无线电子通信模块，实现日常活动中连续生理信号采集、处理与传输。

  在实时健康监控及个性化医疗方面，针对人体行为预测，以饮酒后状态为例，将采集得到的温度、脉搏和汗液中酒精和pH信息进行解析处理，并分为训练组和测试组，并配合设计的“Go-NoGo”试验，得到在饮用不同酒精后的反应时间和受干扰程度。其中训练组通过人工智能算法提取参数特征，将分析得到的关联信息带入测试组进行验证，揭示各生理信息与人体行为间的内在联系，以实现机器学习赋能的健康监控，并对人体行为进行连续准确预测，展现了该电子皮肤在精神状态预警和远程心理评估等生物医学应用潜力。

  课题组网址：https://www.gao.caltech.edu

  论文题目：3D-printed epifluidic electronic skin for machine learning-powered multimodal health surveillance

  原文链接：https://www.science.org/doi/full/10.1126/sciadv.adi6492