可穿戴设备数据海量却难利用，医生期待 AI 等技术破局

ZDNET 核心要点可穿戴设备能产生大量数据但医生并非总能利用这些数据。为阶段性护理构建的系统难以处理流式数据不过一些医生希望像人工智能这样的技术进步能有所帮助。心脏病专家大卫·考David Kao医生经常会遇到带着可穿戴设备数据来就诊的患者。在五月下旬的一个周三上午一位患者给他看了她智能手环上让她担忧的统计数据。考是科罗拉多大学医学院心脏病学副教授他表示“大概 70%的数据从临床角度我根本不知道该怎么处理因为这些都是设备公司编造出来的。不过也有两三条数据非常有用如果她没戴这个设备我们根本得不到这些信息。”十多年来随着患者和医生努力应对可穿戴技术产生的大量数据类似场景在全国各地不断上演。考说“你会被各种不同的信息淹没。通常你得去查一些资料才勉强知道该如何评价这些数据而且没有办法以数字化方式总结这些数据也没有工具能帮助临床医生理解该如何处理这些信息。”根据数据平台 Statista 的报告美国超过 30%的成年人拥有健身或健康类可穿戴设备。随着这些设备的普及关于佩戴者的各种数据也大量增加包括心率、血压、睡眠模式、压力、血氧饱和度等等。简而言之人类个体从未像现在这样被高度量化。虽然可穿戴设备常常宣传数据能让人拥有更健康、更理想的生活但对于那些想弄清楚这些数据意义并加以利用的患者和医生来说现实要复杂得多。流式护理除非你患有慢性病或进行年度体检否则通常只有在身体出现问题时才会去看医生。在可穿戴健康设备时代阶段性护理系统难以适应持续不断的健康数据流。阿拉巴马大学伯明翰分校市场营销教学副教授雷姆·肖里巴Ream Shoreibah表示“尽管医生们相信这些数据的价值但他们的系统、基础设施以及所拥有的资源包括时间和人员配备都不足以接收和利用这些数据。”肖里巴所在的研究团队最近在《消费者事务杂志》上发表了一篇报告探讨了患者、他们的数据以及医生之间存在的挑战。他们强调的一个关键问题是将可穿戴设备数据整合到患者的电子健康记录EHR中。将可穿戴设备数据整合到 EHR 中困难重重。一方面这需要两家大公司各自拥有的两个独立云系统进行数据交互。旧金山大学医学教授、加州大学旧金山分校UCSF和加州大学伯克利分校计算精准健康项目联合主任艾达·西姆Ida Sim博士指出还必须确保可穿戴设备中的患者数据能准确录入到对应的 EHR 中。她还表示“目前这一切就像一片混乱的西部荒野。”即使可穿戴设备数据能快速轻松地导入 EHR西姆说如今医疗服务提供者仍需管理多个不同专有平台的账户和登录信息才能查看数据而且这些数据的呈现格式可能也不一致。同时数据管理规则尚不明确医疗服务提供者需要决定存储哪些数据、不存储哪些数据以及存储多长时间。比如医生是否需要记录你过去三个月里每五分钟的心率数据还是要永久保存而且西姆指出各种可穿戴设备使用的恢复和压力等指标在临床环境中往往难以准确解读。一些医生甚至质疑这些指标的可靠性。肖里巴和她的研究伙伴在研究中讨论了这个问题。研究指出“这些数据有效性问题带来了一个职业困境忽视可穿戴设备生成的数据可能会疏远积极参与健康管理的患者而依据可能不准确的数据进行治疗则可能对患者造成临床伤害。”走出数据洪流路易斯安那州巴吞鲁日市湖景圣母地区医疗中心的电生理学家肯尼斯·西维洛Kenneth Civello医生还记得 2009 年 Fitbit 上市时患者开始带着数据前来就诊的情景。他尤其记得第一次获得新见解的经历。一位老年女性患者带着她 iPad 上的所有数据来找他她这个年龄段有患心房颤动的风险她为此感到担忧。西维洛说“数据显示的心律特征看起来像是心房颤动。从那时起我开始相信可穿戴设备的价值。”不过他也表示人们并没有立即完全接受这些新的数据来源。他自称既是可穿戴设备数据的粉丝也是批评者但这些数据让他对未来有了新的认识。例如在远程监测患者血压时患者手腕上的可穿戴设备能让他们无需特意停下来测量血压也不会忘记测量。可以肯定的是可穿戴设备确实拯救了很多生命。多年来消费者们都感谢苹果手表等设备能提醒他们注意危及生命的心律不齐等情况。许多临床可穿戴设备如连续血糖监测仪已经可以将数据导入 EHR。在心脏病学等领域远程监测患者也不是新趋势。即使没有可穿戴设备的患者也会带着手写的数据来就诊西姆说她见过有人带着画有血压数据表格的纸张甚至是写在餐巾纸上的数据。尽管情况看起来很混乱但像西维洛这样的医生有理由保持乐观。可穿戴设备制造商正在采取措施减少数据使用的阻碍。2025 年三星收购了护理协调平台 Xealth该平台与美国最大的电子健康记录供应商 Epic 集成。西维洛希望这一举措能让三星健康设备的数据更轻松地录入患者的健康记录。他认为如果能解决 EHR 的问题人工智能工具将有助于医生整合海量的健康数据提供更个性化的护理。他说“个性化护理将依赖于大型语言模型这些模型了解你的医疗数据然后将其整合为你和医生提供有用的总结。”不过他也承认围绕大型语言模型中医疗信息的政策和监管还有很长的路要走毕竟《健康保险流通与责任法案》HIPAA并不适用于聊天机器人和消费级智能设备。好消息是考表示科罗拉多大学正在努力解决这些挑战。他说“我们的目标是如何将电子健康记录系统与某种智能支持、功能、设备或其他工具相结合让它们能够处理所有外部可穿戴设备的数据以大家都认可的方式进行处理和解读然后将有用的部分反馈到健康记录中供医疗服务提供者参考。”西姆正在参与一个名为 JupyterHealth 的开源平台项目旨在解决数据导入问题避免将所有数字基础设施交给大公司掌控。她说“健康是公共利益我们不应该将其仅仅视为商业行为。这是公共利益所以我们需要公共基础设施。”同时一些通用建议和最佳实践也在逐渐形成。美国神经病学学会在 3 月发布了关于神经科医生使用可穿戴设备的指南。该学会关于可穿戴设备文章的主要作者、神经科医生莎拉·M·贝尼什Sarah M. Benish博士通过电子邮件表示“医生需要不断了解医学领域的新知识因此制定这样的指南有助于临床医生了解这项技术的基础知识讨论其局限性并在与患者会面之前提高认识。”随着越来越多的人佩戴可穿戴设备西姆希望大家明白即使有大量经过整理的数据图表和表格也不一定能直接解决健康问题。她表示诊断和治疗人类疾病不像更换汽车化油器那么简单。对于考来说有时他无法利用患者提供的大量数据只能安慰他们。他说“患者们积极主动地想了解自己的身体状况以及身体对各种情况的反应这值得赞赏。”