


Smartwatches en andere wearables kunnen onze gezondheid continu monitoren en helpen om hartritmestoornissen op te sporen. Maar het voortdurend analyseren van al die gezondheidsdata kost energie, terwijl de batterijcapaciteit beperkt is.
Onderzoekers van de Universiteit Twente en de Vrije Universiteit Amsterdam hebben een manier ontwikkeld om deze berekeningen veel energiezuiniger uit te voeren. In hun experimenten verbeterde hun aanpak de energie-efficiëntie met 64,9 procent. Het onderzoek ontving in september 2026 een Outstanding Paper Award tijdens de Euromicro Conference on Digital System Design (DSD).
Een smartwatch die continu je hartslag monitort, moet veel berekeningen uitvoeren. Hoe meer energie daarvoor nodig is, hoe sneller de batterij leeg raakt. De onderzoekers stelden daarom een eenvoudige vraag: moeten al die berekeningen eigenlijk wel volledig exact zijn?
Ze ontwikkelden een systeem dat de elektrische activiteit van het hart analyseert om hartritmestoornissen, ook wel aritmieën genoemd, te herkennen. Het systeem analyseert afzonderlijke hartslagen en gebruikt een AI-model dat is getraind om verschillende soorten hartritmestoornissen te herkennen.
Vervolgens maakten de onderzoekers een deel van de berekeningen bewust minder nauwkeurig. Het systeem werkt daardoor met minder gedetailleerde getallen en heeft minder energie nodig om de berekeningen uit te voeren. In hun experimenten verlaagden ze bijvoorbeeld de precisie van 16 bits naar 8 bits en vervingen ze sommige exacte berekeningen door benaderingen. Het AI-model werd getraind om met de kleine fouten om te gaan die door deze benaderingen kunnen ontstaan.
"Als je het model goed traint, kun je tot op zekere hoogte compenseren voor die onnauwkeurigheid en tegelijkertijd een aanzienlijke winst in energie-efficiëntie behalen", zegt Ghayoor Gillani, universitair docent bij de vakgroep Computer Architecture for Embedded Systems van de Universiteit Twente.
De experimenten laten zien dat het systeem eenvoudigere berekeningen kan gebruiken en tegelijkertijd hartritmestoornissen met een acceptabele nauwkeurigheid kan herkennen. Dit suggereert dat het monitoren van de gezondheid aanzienlijk minder energie zou kunnen kosten.
De technologie bevindt zich nog in een vroeg stadium. Als deze uiteindelijk in wearables kan worden toegepast, zouden dergelijke apparaten de gezondheid van mensen langer kunnen monitoren voordat de batterij opnieuw moet worden opgeladen. Dat kan vooral interessant zijn voor apparaten die iemands gezondheid continu in de gaten houden.
Het onderzoek begon in 2024 met Ghayoor Gillani en Arlene John van de Universiteit Twente. Samen met promovendus Yawar Rasheed onderzochten zij hoe wearables minder energie kunnen gebruiken bij het detecteren van hartritmestoornissen.
Masterstudent Embedded Systems Floriaan Bulten ging in 2025 voor zijn afstudeeronderzoek met deze uitdaging aan de slag. Hij ontwikkelde het systeem dat de basis vormde voor het verdere onderzoek. Nadat Bulten zijn scriptie had afgerond, sloot Vincenzo Stoico van de Vrije Universiteit Amsterdam zich bij het team aan. Door kennis over gezondheidsmonitoring, computerhardware en software te combineren, werkten de onderzoekers de resultaten verder uit tot een wetenschappelijke publicatie.
Hun paper, Toward Energy-Efficient and Low-Power Arrhythmia Detection for Wearable Devices, werd geaccepteerd voor de Euromicro Conference on Digital System Design en ontving daar een Outstanding Paper Award. De onderzoekers hebben inmiddels een preprint, een vroege versie van het wetenschappelijke artikel, openbaar beschikbaar gemaakt. De officiële conferentiepublicatie moet nog verschijnen.
Voorlopig is de technologie een proof of concept: een eerste uitwerking die laat zien dat het principe werkt. De VU-UT-alliantie heeft seed funding beschikbaar gesteld om het onderzoek voort te zetten in een nieuw project, DAISY-HP.
Binnen dit project gaan de onderzoekers een werkende versie bouwen die ze in de praktijk kunnen testen. Op langere termijn willen ze betrouwbare manieren ontwikkelen om met wearables de gezondheid van mensen te monitoren en tegelijkertijd hun privacy te beschermen. Ook willen ze samenwerken met industriële partners om de technologie verder te ontwikkelen.