重大疾病的预防和治疗是人类面临的共同挑战,许多疾病的防治尚未获得令人满意的结果。近年来,以将现代生物技术与临床医疗全面结合,将基础研究成果通过临床研究转化为临床防治手段为主要内容的“转化医学”已经成为全球备受关注的新领域,其目标是从实证医学中发现的临床问题出发,透过各领域的合作寻求解决方案,开发和应用新的技术,进一步促进药物或治疗方法的研发及制造,甚至疾病或严重并发症的预防,最终提升整体社群健康。基于转化医学的新思维,按照转化医学的研究过程和方式,以提出临床问题或发现临床患者所展现的疾病特征为出发点,发展新的理论和技术路线,然后通过临床试验对新的理论和技术进行验证和评估。因此,研究路线是：面向转化医学,从临床实际问题出发,以非侵入方式获得生理信号定量监测结果,以非线性理论及分析方法(集成经验模态分解(Ensemble Empirical Mode Decoposition, EEMD)和人工神经网络)为出发点,对常见慢性疾病如糖尿病、心血管病、步态老龄化发展能描述人体系统时变特征的动态生物指标,提供传统方法无法获取的信息；对突发性重大疾病或疾病晚期(如脑死亡、恶性肿瘤)及日常身体营养与健康状况发展智能预测分类诊断系统模型,对疾病进行预防、预警、早期诊断、分型、监护等。主要工作如下：(1)针对Ⅱ型糖尿病加速大脑衰老和认知功能下降的临床问题,以研究老年Ⅱ型糖尿病患者高血糖、血糖波动、大脑衰老、认知功能下降等各方面的交互关系为目标,基于集成经验模态分解方法,提出了一种多尺度连续血糖变异度分析算法,从而发展了多尺度连续血糖变异度这一动态生物指标。临床试验结果表明,Ⅱ型糖尿病在多个时间尺度上改变血糖的调节,高频节律的血糖变异度与大脑萎缩、自主神经系统失调、认知功能下降等显著性相关,低频节律的血糖变异度与糖尿病持续时间、记忆力下降、抑郁、睡眠质量下降等显著性相关。传统的血糖变异度分析方法以及Ⅱ型糖尿病监护标志无法得到这些结果。(2)针对心房颤动病人在导管消融除颤手术过程中遭受巨大痛苦但术后复发率较高的临床问题,以预测患者是否适合导管消融手术以提高手术的成功率为目标,首先以非侵入的方式获得体表心电信号,基于主成分分析方法提出了QRST波消减算法,得到房颤信号,然后结合EEMD技术提出了非侵入式心房颤动速率提取算法,从而发展了非侵入式心房颤动周期长度这一动态生物指标。临床试验结果表明,心房颤动速率过快可能导致导致术后病情复发,心房颤动平均周期超过152ms的患者更适合进行导管消融手术。与常用的基于傅里叶变换的主频率分析方法相比,该算法具有自适应和准确度高的优点。(3)针对步伐不稳是导致老年人摔倒的一个重要因素的老龄化问题,以量化评估老年人在不同行走状态下的步伐稳定性以预防摔倒为目标,提出了基于EEMD技术的步伐稳定性量化分析算法,得到了步伐稳定性指数(Step Stability Index, SSI)这一动态生物指标。试验结果表明,有障碍物时老年人的SSI值比正常行走时显著性降低,没有摔倒病史的老年人其SSI值明显高于有摔倒病史的老年人。SSI与医学上常用的步伐和平衡性测量方法有显著相关性,但具有简单,省时,省力,安全,自适应等优点。(4)针对临床上的某些突发性疾病(如头部严重创伤昏迷的病人),恶性肿瘤的早期诊断或者大样本人群的日常营养与保健等,临床上对这些病症的诊断、分型、预测等需要耗费大量的人力物力资源的问题,以建立人工智能生理信号分类与诊断系统模型为目标,基于人工神经网络提出了一套集成人工神经网络智能模型系统。为了解决人工神经网络模型以“黑盒子”的方式进行信息处理的缺陷,应用以敏感性分析方法为主的最优变量选择算法对各输入变量的重要性进行量化评估。该模型成功应用于神经外科加护病房中脑死亡诊断预测,弥漫性大B细胞淋巴瘤类型鉴定和高校大学生与教职工的营养水平与身体健康状况预测评估。