根据使用可穿戴设备收集的生命体征预测临床实验室测量值
信用:DOI: 10
1038/s 14591-021-01339-0 随着智能手表和健身追踪器的日益普及，利用这些设备潜力的最佳方式是什么？一个由国家卫生研究院资助的研究小组有一个想法——使用这些可穿戴传感器作为预测临床测试结果的一种方式，这可能会成为潜在健康问题的早期预警信号
“消费类可穿戴设备在促进人类健康和疾病的监测——以及潜在的预测——方面具有巨大的未开发潜力，”博士Grace Peng说
D
数学建模、仿真和分析NIBIB项目主任
“这项研究调查了智能手表的数据如何与临床实验室测试相关联，是这一新兴领域向前迈出的重要一步
" 为了更好地理解智能手表如何融入日常医疗保健，研究作者首先评估了使用可穿戴设备捕获的数据与在临床环境中获得的测量结果的比较
为此，他们跟踪了54名参与者大约三年
在此期间，每位参与者约有40次门诊就诊，并佩戴智能手表约340天
智能手表测量了四个生命体征:心率、皮肤温度、步数和电生理活动(皮肤电导的测量)
在诊所，测量心率和口腔温度，并进行临床实验室检查，包括完整的血细胞计数、全面的代谢检查和胆固醇检查
研究人员评估了临床访问期间测量的生命体征与智能手表连续测量的差异
他们发现，在临床环境中进行评估时，温度测量结果更为一致，因为口腔温度通常比可穿戴测量的皮肤温度具有更小的可变性
然而，研究人员发现，智能手表给出了更准确的心率读数，因为在诊所进行的测量之间有明显更多的可变性
资深研究作者迈克尔·斯奈德博士解释说:“当你在医生办公室测量生命体征时，有各种各样的变量会影响心率的测量，比如一天中的什么时间，你在预约之前做了什么样的活动，或者在测试过程中你是否紧张。”
D
斯坦福大学医学院遗传学系主任
“另一方面，由于智能手表是连续佩戴的，因此可以全天测量用户的心率，从而获得更加一致的测量结果，并且可变性显著降低
" 接下来，研究人员想确定他们是否可以使用从智能手表收集的信息预测临床实验室测试结果
生成这样的预测模型需要大量的信息，这些信息是在长时间的监测期间获取的
因此，研究人员分析了从这些设备中收集的纵向数据，并将测量结果转化为150多种不同的特征——比如运动期间的平均心率、夜间皮肤温度的变化以及整体的电生理活动
然后，使用机器学习模型，他们结合这些特征来预测临床实验室结果
研究人员随后将他们的模型产生的预测结果与在诊所进行的实验室测试观察到的结果进行了比较
他们发现他们的预测与几项临床测试结果一致，其中四项血液测试的结果最容易预测
这些测试包括红细胞计数、绝对单核细胞计数、血红蛋白(HBG)水平和血细胞比容(HCT)水平
有趣的是，研究人员发现，与电热活动相关的测量是预测红细胞、HBG和HCT试验结果的主要因素
第一作者杰西林·邓恩博士解释说:“电热活动通常不在临床环境中测量，但它是测谎仪测试中使用的技术之一。”
D
杜克大学生物医学工程助理教授
“本质上，我们正在观察汗腺的开放，这可能是对压力、温度、情绪状态的反应，甚至是对水合作用的测量，”她说
“电生理活动可能有很大的临床潜力，例如检测脱水，尤其是在老年人中，但在这种情况下，它还没有被开发成一种资源
" 其他智能手表测量是预测特定血液测试结果的关键
例如，预测绝对单核细胞计数的最重要的测量是基于步数和皮肤温度
另一方面，血小板计数的预测依赖于与心率相关的测量，而空腹血糖的预测使用皮肤温度、心率和步数测量的组合
邓恩指出:“我们的结果表明，不同的生理特征与不同临床测量的预测相关。”
然而，研究人员强调，智能手表的数据并没有取代临床测试，而是可以作为早期预警信号，提示佩戴者咨询医生
Snyder说:“可穿戴设备的力量在于它们能够从基线读数中获取变化。”
他补充说，即使某些特定的测量不太准确，手表检测佩戴者生命体征变化的能力也可能非常有用
Snyder说:“目前的医学范式侧重于在患者已经患病后对其进行治疗，而不是为了早期发现疾病而对健康人进行监测。”
“我们相信，智能手表的数据有助于拦截新出现的疾病，最终可以预防更严重的疾病
" 这项研究发表在《自然医学》上
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
