该设备体积小、功耗超低且接收分析没有延迟，非常适合直接集成到可穿戴电子产品（如智能手表和健身追踪器）中，以进行即时数据处理和近乎即时的诊断。
为了测试该设备，研究人员用其对公开的心电图（ECG）数据集中的资讯进行分类。结果表明，该设备不仅能够有效、正确地识别不规则心跳，还能从6种不同类别中确定心律失常亚型，准确率接近95%。
在机器学习工具可以分析新数据之前，这些工具必须首先准确可靠地将训练数据分类为不同的类别。对于当前的矽基技术来说，要对心电图等大型数据集的数据进行分类，需要100多个电晶体，每个电晶体都需要自己的能源设备来运行。但该纳米电子设备只需两台能源设备即可执行相同的机器学习分类，大幅降低了功耗。
团队先训练该设备来解释心电图数据，这项任务通常需要训练有素的医护人员花费大量时间。而该纳米电子设备能够从10000个心电图样本中准确识别每种心律失常类型。通过绕过将数据发送到云端的需要，该设备不仅为患者节省出关键时间，还保护了患者隐私。
未来这些纳米电子设备可整合到日常可穿戴设备中，根据每个用户的健康状况进行个性化定制，以实现即时应用◆
