施林普：三大核心技术、二十年团队研究，打造心脑血管疾病风险精准预警平台

看似平静的睡眠过程暗藏着许多疾病风险。

其中最为典型的就是人类健康“头号杀手”心血管疾病。以脑卒中为例，该病多发作于夜间休息过程中。且夜间发作脑卒中易被忽视，也容易失去救治的黄金时机。因此，夜间心脑血管疾病突发往往会导致高死亡率。

国家心血管病中心的发布的《中国心血管健康与疾病报告2020》数据显示，中国心血管病现患人数2.9亿，城乡居民疾病死亡构成比中，心血管病占首位。2018年农村、城市心血管病分别占死因的46.66%和43.81%。每5例死亡中就有2例死于心血管疾病。

因此，降低心血管疾病发病率和死亡率迫在眉睫。而做好夜间血压监测以及心脑血管疾病的预防，是减少疾病发生风险的重要工作。对此，以原研技术为核心的施林普，开发出了精准的疾病风险预防监护及慢病健康管理的人工智能平台。

施林普依托睡眠监护设备SC-500，对人体心率、呼吸、血压、睡眠、心血管、认知症等体征数据进行无感式采集和数据监测，以此分析长期变化趋势，解析用户健康状态。同时结合采集数据的生命健康预警系统，对用户健康进行全程化管理，实现用户自主监测、家庭互查、数据共享、平台预防服务的生态管理。

而且该设备使用起来十分方便，用户只要将产品垫在床下。用户躺在床上休息时，施林普的传感器就能“听”到血液在血管里流动的回声。

施林普创始人兼总经理李东泉向动脉网介绍了一个非常形象的类比：“一个密闭的油罐箱，该如何判断里面有多少油呢？一般就在油罐箱表皮上贴一个ECM麦克风传感器，通过麦克风听油罐箱里面的回声，不同油量流动时的回声不一样。我们的传感器则可以覆盖0.01Hz－10kHz的震频，所以能根据血液在血管内的回声对心血管状态进行研究。”

但工业上油罐箱是固定的，没有弹性，听回声相对容易。人体血管却有伸缩弹性的，所以单纯是传感器“听”到的数据还不够准确。为解决这个问题，施林普耗时三年，通过心率变异性（HRV）推断血管柔韧性，并结合血液流动的回声信号，构建了AI心血管评估3D模型，评估侧重主要集中在以下两方面。

第一个是血管狭窄。据李东泉介绍，血管狭窄处的血液流动呈喷射状，表现为漩涡回声。当冬季到来，血管壁比较薄，血管韧性较差，血液流动又是喷射状，很容易造成血管壁破裂，引发脑出血。

第二个是血管梗塞。梗塞其实是斑块堆积导致血管堵塞面积达70%甚至更多，脑梗、心梗都存在这样的问题。对此，施林普制定了一个监测预警区间，用户心血管变异指数高于1.2则有脑溢血风险，低于0.6则有梗塞风险。当监测数据连续三天超出该区间，平台会立即建议用户就医诊治。

该3D血管评估系统与多普勒超声检测对标后的吻合度达84.5%，并在日本取得了医疗器械证。目前经平台推荐就医后的疾病确诊率较高，未有误报情况出现。

2020年，施林普与开滦总医院开展了一项创新研究，即建立基于LF（低频成分）/HF（高频成分）的精神压力、疲劳监测预警等临床医学AI，用于情绪焦虑、抑郁以及认知症的判定。

李东泉介绍称，白天以交感神经为主导来支配我们的四肢运动，夜晚则由迷走神经主导。而交感神经和迷走神经的活动情况是判别焦虑、抑郁甚至认知症的重要参数。两类神经的活动切换结合大脑皮层指数与人工智能算法，便可以对上述疾病进行监测预警。

2021年，公司在开滦总医院进行了1050例临床试验，RCT数据显示该平台的算法平均准确率为92%，最高可达98%。

“我们平台的价值还体现在数据采集的时间点。高血压、糖尿病、心血管等绝大部分慢性病，一定是夜间迷走神经和交感神经切换时的数据极具价值。”李东泉说道。

以心血管疾病为例，夜晚人体血管舒张性差，一旦发生堵塞容易造成大面积缺血，引发脑梗/心梗，所以夜间采集监测数据价值更高。血压也是同理，白天有舒张压的影响，可能不够精准。但如果夜晚安静时血压仍有问题，那么疾病风险已近在咫尺。

而施林普的产品核心能力就是夜间连续采集，并且采集到用户的心率、呼吸、血压、心血管变异性等各项数据。无论是疾病发生前的监测预警还是治疗后的康复追踪，都可以通过该平台进行管理，是用户健康管理的重要一环。

因此，施林普也找到了自身的精准定位。“我们不做治疗，就是专注于监测。但一个能做到如此精准采集、使用如此便捷的监测设备或平台，无疑是有助于增强用户使用粘性的。所以，医院康复科、保险公司、互联网医院、大健康管理平台等都可以是我们的合作伙伴。”李东泉介绍道。

目前，智能可穿戴监测产品最大的问题之一还是数据的准确性和连续性。即便是单导联的监测方式，用户使用时如果贴放位置不恰当，也会对数据采集的真实性、精准性和连续性造成影响。

而施林普的监测设备可以置于床垫之下，用户睡眠时可以进行无感采集。所以，施林普的心脑血管监测预防服务每天会产生大量的精准C端用户数据，可以嵌入到任何一个健康管理平台。

基于此，施林普的愿景就是打造“中国第一个健康入口”。

目前，施林普已经与中国人民解放军总医院、空军特色医学中心、广州医科大学第一附属医院、开滦总医院、首都医科大学北京朝阳医院、北京航空航天大学等医疗机构和高效展开了紧密的产学研合作。

在物联网医疗飞速发展的今天，传感器作为数据采集的源头，十分关键。但与芯片的“显性”卡脖子不同，传感器的卡脖子尚未引起产业的足够重视。在关键技术、高附加值的产业应用领域，能够掌握高精度传感器技术的企业凤毛麟角，施林普就是其中之一。

据李东泉介绍，传统工业ECM传感器通常仅能采集到1Hz－1kHz的震动频段信号。而医疗上人体生命体征的低频信号，低频噪声干扰大，采集与信息分离都十分困难。

针对这些难点，施林普的原创ECM传感器可测量百万分之一的压力变动，覆盖0.01Hz－10kHz之间的所有低频震颤信号，是公司的核心技术之一。并且，公司早在2003年就在日本拿到了该传感器的发明专利。

拿到专利后，施林普研发团队又十年如一日地投入到信号采集后的又一核心技术——信号滤波。把身体体征的低频震颤信号分离出来。信号采集、分离完成之后，便迎来了基于AI算法技术的产品价值验证阶段。

第一个适应症是心电监测。只有和心电监护仪ECG这类医疗级采集方式做对比，并达到较高程度的吻合率，产品才具备临床应用价值，否则就会沦为普通的电子产品，能监测体征变化却不精准。2013年，公司开始做对比验证，结果显示，施林普在生命体征信号处理（心率、呼吸、BCG）对标医疗器械的一致率达95%以上，并于2018年拿到了二类医疗器械注册证。

第二个适应症是呼吸监测。传统的医院检查呼吸需要使用鼻塞器（感应器），通过鼻塞器的波动来判定呼吸暂停、呼吸间歇、呼吸低通量等情况。而施林普的电子采集方式在用户睡眠之中就能够完成检测监测，敏感度和精度都很高，并获批了二类医疗器械认证。

其实，心率和呼吸在睡眠时存在耦合关系。2005年哈佛医学院的睡眠专家团队将这种关系确定为心肺耦合（CPC）。人体在睡眠过程中会经历从清醒、浅睡到熟睡的周期性循环，还可能会出现一些与梦境相关的快速动眼睡眠。CPC可以判断每一睡眠阶段发生的时间和比例并刻画出睡眠结构，提示用户是否存在睡眠的问题。

李东泉（左）代表公司接受天使联合汇颁奖

因此，心电、呼吸的适应症覆盖完成后，施林普将应用场景进一步延展整合至了睡眠监测领域。目前，该睡眠监护设备SC-500已用于广东，北京，上海，河北，河南等地的多家三甲医院。近日，施林普平台公司还获得了2022天使联合汇第三季度项目路演沙龙的一等奖。