人工智能健康监测作为交叉融合人工智能、医学传感、数据科学等多领域的技术体系，并没有单一的“发明人”，它是全球范围内多领域研究者、工程师与医疗从业者共同推动、逐步演进的成果，其发展历程凝结了不同时期无数创新者的智慧。

追溯人工智能健康监测的雏形，可至20世纪后半叶机器学习技术萌芽阶段。彼时，计算机科学家开始探索将简单算法应用于医疗数据处理：1960年代，美国斯坦福大学开发的MYCIN系统虽以规则推理为主，却首次实现了计算机辅助医疗诊断，为AI与健康监测的结合奠定了早期思路；1990年代，随着人工神经网络技术的发展，研究者们开始将其用于心电图（ECG）、脑电图（EEG）等生理信号的分析，比如美国麻省理工学院的研究团队利用神经网络实现了心律失常的自动识别，这是AI在健康监测领域的首次实践尝试。

进入21世纪，深度学习技术的兴起为人工智能健康监测带来革命性突破，这一阶段的核心贡献者以深度学习领域的先驱和专注医疗AI的研究者为代表。深度学习之父杰弗里·辛顿（Geoffrey Hinton）、扬·勒丘恩（Yann LeCun）等学者在神经网络结构优化、深度模型训练方法上的开创性研究，让AI具备处理海量医疗数据的能力，为健康监测的精准化提供了技术基础。与此同时，斯坦福大学的安德鲁·吴（Andrew Ng）带领团队推动深度学习在医疗影像分析中的应用，其开发的AI模型可通过胸部X射线检测肺癌、通过视网膜图像诊断糖尿病视网膜病变，将AI健康监测从生理信号分析拓展到医学影像领域。

而在可穿戴式AI健康监测设备的落地应用中，众多工程团队与企业研究者的贡献同样不可忽视。比如苹果公司的研发团队将AI算法整合到Apple Watch中，实现了心率异常监测、房颤预警等功能；国内华为、小米等企业的技术团队则结合中医脉象、血氧监测等特色场景，开发了适配国人健康需求的AI监测模型。这些实践让人工智能健康监测从实验室走向了大众生活。

综上，人工智能健康监测的发展是一场跨领域的协同创新之旅，从基础算法的突破到医疗场景的应用，每一步都离不开不同专业背景研究者的接力。它没有单一的发明人，却拥有一群推动技术落地、守护人类健康的“创新共同体”。

本文由AI大模型（Doubao-Seed-1.8）结合行业知识与创新视角深度思考后创作。