您的医生可能正被可穿戴设备数据淹没——原因如下
图片来源：Elyse Betters Picaro / ZDNET
ZDNET要点摘要
- 可穿戴设备产生大量数据，但医生并不总能使用这些数据。
- 为间断性诊疗设计的系统难以应对持续的健康数据流。
- 一些医生希望AI等技术进步能有所帮助。
心脏病专家David Kao医生已经习惯了患者带着可穿戴设备收集的数据前来就诊。
五月底的一个星期三早上也是如此：一位患者向他展示了她智能手环的统计数据，她对此表示担忧。
"可能有70%的数据，我临床上都不知道该怎么处理，因为这些都是由公司自定义的，"科罗拉多大学医学院心脏病学副教授Kao表示。"但也有一些非常有用的信息，如果没有她佩戴的[设备]，我们根本无法获取。"
过去十多年，类似场景在美国各地不断上演，患者和医生都在努力应对可穿戴技术产生的大量指标。
"你只是得到了这股各种不同类型信息的洪流，"Kao说。"通常你必须查找其中一些数据才能大致了解如何评论它，而且没有数字化的方式来总结或支持临床医生理解如何处理这些信息。"
根据数据分析平台Statista的报告，超过30%的美国成年人拥有健身或健康可穿戴设备。随着这些设备的普及，关于佩戴者的指标数量也大幅增加。心率、血压、睡眠模式、压力、脉搏血氧等等。简言之，个人人类从未被如此量化过。
尽管可穿戴设备通常被宣传为数据能够带来更健康、更优化生活的承诺，但对于想要弄清楚这些见解意味着什么以及如何使用的患者和医生来说，现实要复杂得多。
流式护理
除非你有慢性病或年度体检，否则你很可能只在出现问题时才去看医生。
在可穿戴健康设备的时代，为间断性诊疗设计的系统并不适合容纳持续的健康数据流。
"尽管医生们相信这些数据的效用，但他们的系统、基础设施和资源，包括时间和人员配备，都没有设置好来接收和利用这些数据，"阿拉巴马大学伯明翰分校市场营销教学副教授Ream Shoreibah表示。
Shoreibah是研究团队的一员，该团队最近在《消费者事务杂志》上发表了一份报告，探讨患者、他们的数据和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(EHRs)中。
将可穿戴设备数据吸收到EHR中很困难，原因有很多。首先，该过程需要两家大公司拥有的两个独立云相互交流。加州大学旧金山分校医学教授Ida Sim博士表示，还必须有办法确保可穿戴设备的患者数据进入正确人员的EHR中。Sim也是加州大学旧金山分校和加州大学伯克利分校计算精准健康联合项目的联合主任。
"这一切都只是'狂野西部'，"她说。
Sim表示，即使可穿戴设备数据可以快速轻松地导入EHR，如今，医疗服务提供者仍在管理不同专有平台所需的众多账户和登录信息，而这些数据甚至可能没有以相同格式呈现。
同时，管理仍然模糊不清，医疗服务提供者必须决定存储哪些数据，不存储哪些数据，以及存储多长时间。
你的医生需要记录你过去三个月每五分钟的心率——还是永久记录？
正如Sim所指出的，各种可穿戴设备使用诸如恢复和应变等指标，这些指标的含义通常不能很好地转化为临床环境。一些医生质疑他们是否能完全信任这些指标。
Shoreibah和她的研究同事在研究报告中讨论了这个问题。"这些有效性问题造成了专业困境：忽视可穿戴设备生成的数据可能会疏远积极参与的患者，而对可能不准确的读数采取行动则可能造成临床伤害，"研究报告称。
FDA批准或第三方测试等验证，以及可穿戴设备制造商更大的透明度，可以在医生和患者之间建立对数据的信任。
"我们不知道输入，我们不知道处理过程，我们得到的只是一个标签、一个数字和一些解释，这些可能听起来非常科学，但实际上可能根本不是，"Sim表示。
摆脱数字雪崩
路易斯安那州巴吞鲁日Our Lady of the Lake区域医疗中心的心脏电生理学家Kenneth Civello博士可以回忆起2009年Fitbit进入市场时的情况，那时患者开始带着数据前来就诊。特别是，他记得第一次遇到新的洞察水平。
一位老年妇女拜访了他，她把所有数据都加载在iPad上。她处于容易发生心房颤动的年龄，她很担心。
"看起来像是心房颤动的特征性心律，"他说。"就在那时，我开始相信可穿戴设备了。"
Civello说，对这些新数据源并不是立即全面接受。他将自己描述为可穿戴数据的粉丝和批评者，但这些洞察帮助他塑造了对未来可能样子的看法。例如，当尝试远程监测患者血压时，已经戴在某人手腕上的可穿戴设备意味着该人不必在白天停下来检查（或忘记检查）。
当然，可穿戴设备已经拯救了生命。多年来，消费者将Apple Watch等设备归功于提醒他们注意危及生命的不规则心律等情况。
许多临床可穿戴设备，如连续血糖监测仪，已经存在并流入EHR。在心脏病学等领域，远程监测患者也不是新趋势。甚至没有可穿戴设备的患者也会带来数据。Sim表示，她曾有人带着插图页面上的血压数据表格前来就诊，或者写在餐巾纸上的数据。
尽管这种方法听起来很混乱，但像Civello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摩擦。2025年，三星收购了护理协调平台Xealth。Xealth与美国最大的电子健康记录供应商Epic集成。Civello希望这一举措能更容易地将三星健康设备的数据导入患者记录。
如果有人能解决EHR问题，Civello认为AI工具可以帮助医生合成健康数据的"数字雪崩"并创建更个性化的护理。
"个性化部分将来自大型语言模型，它知道你的医疗数据，然后将这些数据结合起来，生成一个与你的医生作为人机协作环节一起工作的摘要，"他说，同时也承认围绕大型语言模型中医疗信息的政策和法规还有很长的路要走。毕竟，HIPAA（健康保险流通与责任法案）不适用于聊天机器人和消费智能设备。
好消息是Kao表示科罗拉多大学正在研究解决这些挑战的方案。
目标是"如何将操作电子健康记录与某种智能支持功能或设备配对，该功能或设备消耗所有外部可穿戴数据，并以所有人都认为有用的方式处理或解释它，然后将有用的部分放回健康记录中供医疗服务提供者采取行动？"他说。
Sim正在帮助开发一个名为JupyterHealth的开源平台，旨在解决这一数据摄取问题，而不将所有数字基础设施交给大公司。
"健康是公共产品，我们不应该将其视为纯粹的商业行为。它不是。它是公共产品，所以我们需要公共基础设施，"Sim说。
一些通用建议和最佳实践正在形成。美国神经病学学会(American Academy of Neurology)今年3月发布了针对神经科医生使用可穿戴设备的指南。
"医生在医学领域需要掌握很多知识，因此创建指南可以帮助临床医生了解技术的一些基础知识，讨论其局限性，并在与患者预约前提高认识，"美国神经病学学会关于可穿戴设备文章的主要作者、神经科医生Sarah M. Benish博士通过电子邮件表示。
随着越来越多的人使用可穿戴设备，Sim也希望人们记住，即使有大量干净合成的数据，图表和表格也不一定是解锁健康的魔法钥匙。她说，诊断和治疗人类并不像更换汽车的化油器那样简单直接。
对于Kao来说，当他无法使用患者的大量数据时，有时他会引导患者度过失望。
"患者值得称赞的是，他们希望更多地了解自己以及他们的身体如何运作和对事物做出反应。"
【全文结束】