面向儿童与代谢健康管理的AI个体化WBV低主动负荷运动场景

需求详情

南方医科大学陈超课题组长期围绕全身振动（WBV）、肌骨健康、儿童运动训练、可穿戴监测和个体化运动处方开展研究，具备将可控机械刺激、人体功能评估和人工智能参数推荐结合的技术基础。WBV可通过足底向人体传递频率、振幅、波形和间歇时间可调的机械刺激，为运动量不足、主动运动依从性不高或不适合高冲击训练的人群提供低主动负荷、可量化、便于家庭和机构执行的运动健康管理方式。前期研究和转化探索已形成两个主要方向：一是面向儿童运动健康管理，围绕儿童发育阶段、运动能力、训练依从性和机械刺激安全边界，探索家庭端和机构端协同的低负荷训练场景；二是面向餐后代谢健康管理，基于连续血糖监测和随机交叉实验结果，观察WBV对餐后早期血糖暴露的影响方向，并发现去脂体重等体成分可能影响个体响应，为AI个体化处方建模提供依据。拟建设“高校研究基础+WBV智能设备+可穿戴/连续监测数据+AI个体化处方+家庭与机构场景验证”的人工智能应用场景。场景将围绕年龄、身高体重、体成分、运动能力、训练反馈、连续监测指标等数据，在合规授权前提下构建动态用户画像，由专家规则和机器学习模型共同生成振动频率、振幅、波形、训练时长和间歇策略，并通过设备执行、使用记录和反馈数据持续优化。该场景重点解决低主动负荷运动场景中参数难个体化、执行记录不连续、家庭与机构服务难协同、健康数据难闭环等问题，为儿童运动健康管理、家庭健康服务、社区健康服务和慢病风险管理提供可复制的AI+运动健康管理样板。