近日，加州理工学院的研究团队在《科学进展》（Science Advances）期刊上发表了一项突破性研究，成功研发出一款名为"e3皮肤"的3D打印智能可穿戴设备（图一）。这项技术如同为人体穿上了一层超薄、柔软的"电子第二层皮肤"，能够实时、同步地监测使用者的多种关键生理与生化指标，并结合人工智能算法，对健康状况乃至行为风险进行早期预警。这标志着个性化、智能化健康监测技术迈出了关键一步。
图一 佩戴在人体上的E3皮肤和完全组装的无线E3皮肤系统的光学图像。
传统的可穿戴健康设备通常功能单一，难以集成复杂的生化传感模块，且制造过程繁琐，依赖洁净室和多重工艺，成本高昂且不易定制。本次研究的核心突破在于，团队开发了一种名为"半固态挤出"的通用型3D打印技术。研究人员像使用不同颜色的"生物墨水"一样，将制备好的导电材料（如MXene纳米片）、传感材料、聚合物水凝胶等功能性"墨水"装入打印机。通过精密控制，这些墨水被逐层打印，直接"绘制"在柔软的基底上，一次性、一体化地制造出包含微流控通道、多种传感器和微型储能单元的完整电子皮肤系统。（图二）
图二 采用高度可定制墨水构建具有多模式传感E3皮肤的所有主要构建块。
技术原理："半固态挤出"3D打印技术 —— 将导电材料、传感材料、聚合物水凝胶等功能性"墨水"逐层打印，直接在柔软基底上一次成型，一体化制造包含微流控通道、多种传感器和微型储能单元的完整电子皮肤系统。
这套"e3皮肤"内置的传感器可连续测量脉搏波形、心率和体表温度，还可通过集成的高性能电化学传感器能同步分析汗液中的葡萄糖、酒精浓度和pH值。"e3皮肤"采集的脉搏、温度、酒精、葡萄糖等多维度数据，本身是复杂且相互关联的。机器学习的作用，就是将这些原始数据转化为关于人体状态的深刻洞察。
多模式传感能力
图三 实际效果与ML预测的RT-H(K)和Error-V(M)的关系，以及相应的Shap决策图
图三展示了机器学习模型预测的反应时间（RT-H）和失误率（Error-V）与实际测量值的高度吻合，直观证明了预测的准确性，并用可视化的方式解释了机器学习模型是如何做出判断的。图中每条线代表一个受试者在一次测试中的数据，清楚地显示心率（HR）和酒精浓度（Alcohol）是驱动模型预测的最重要特征，而温度和pH值贡献较小。这向公众生动地揭示了"智能大脑"的决策逻辑。
核心洞察：这项技术认识到单一指标（如仅测酒精）的局限性。每个人对酒精的耐受度不同，但机器学习模型通过综合分析心跳、体温、代谢物浓度构成的整体模式，能够更个性化、更准确地评估酒精对该特定个体的实际影响，从而实现从"检测物质"到"预警风险"的跨越。
总而言之，这项3D打印电子皮肤技术，将高性能传感、舒适佩戴、智能分析与可持续能源融为一体，为下一代智慧医疗、数字健康和个人健康管理打开了充满想象力的大门。