当心脏的各心室跳动不同步时，可能会出现积血并形成血栓，这是个隐形杀手。在英国，每年超过10万中风病例中有四分之一是由心房颤动（即一种常见的快速性心律失常）引起的。如果心律失常得到治疗，大多数中风情况本可避免，但前提是提早发现。但心脏功能的相关检测费用高昂，且结果不准确。而苹果手表和即将推出的Fitbits智能手表可以用于检测这一症状，并且价格更低，可以挽救有生命危险的人。
这只是即将到来的医疗革新的一个例子。智能手表、智能手环、健身追踪器和最近发展迅速的电子增强型表带、贴片等其他可穿戴设备可以记录的人体生理及行为数据多达7500多种。机器学习可以过滤大量数据，形成关于身体状况的连续的、量化的可视图像。
可穿戴设备正在重塑医疗保健行业
对于“量化自我”来说，现在仍是早期阶段，而对于数字健康领域的投资者来说，这仍是一段疯狂的旅程。以提供线上问诊服务的Teladoc为例，该公司最近股价暴跌，这对潜在的竞争公司来说是一个令人担忧的信号。但对病人而言，可穿戴设备的创新之旅才刚刚开始。私人企业或许会来来去去，但可穿戴设备与人工智能有望在三方面重塑医疗保健行业：早期诊断，定制疗法，治疗慢性疾病。每一方面都有望降低医疗成本，拯救生命。
首先，可穿戴设备可以做出早期诊断。它们可以检测到体内一些不易察觉的微小变化，从而防止病情恶化，降低治疗费用。如果老年人开始出现身体失衡，传感器将会显示出来。比如，智能可穿戴设备可以检测出早期帕金森病患者步态和手臂摆动的变化。对此，加强力量训练可以防止患者摔倒和四肢损伤。无需监测人们看到或输入的内容，仅通过追踪智能手机的使用模式，这些设备就可以提高对精神病的诊断质量。通过预测女性的月经周期，智能手环有助于其备孕。由于许多女性难以察觉到自己怀孕，在怀孕后数周仍会持续饮酒或抽烟，而智能手环可以在女性受孕后一周内检测到怀孕。
其次，可穿戴设备有望将人视为个体，提供个性化的医疗服务。大部分药物仅对30%-50%的病人起作用。对有的人来说，日常摄入香蕉可以降低血糖，而对其他人来说则可能恰恰相反，久而久之还会对身体产生危害。而设备的算法可以将大量数据转换成有助于减肥、控制糖尿病等的定制处方和食谱。这些养生法比“一刀切“的办法更加有效，限制更少，因此也更容易遵循。医生可以了解病人的实时身体状况，提供更有效的治疗方案。德国的一项试验使用这种方法监测心力衰竭患者，患者死亡率和住院天数降低了三分之一。
可穿戴设备还能在糖尿病等慢性疾病的治疗方法上有所创新。约80%的疾病可以通过改变生活方式来预防。应用程序利用小型设备，或者像私人教练或伴侣一样采取精明的策略和手段，可以让人们运动频率更高、饮食更健康、睡眠质量更高。即使只增加少量锻炼时间，对人体健康也是有益的，比如每天多走1000步（合700米），具体的益处取决于个人久坐的程度。此类设备提供的持续监测还可以改变医患模式的平衡，从医生在短暂的会诊中可以做什么转变为患者每天根据个人身体数据询问医生该做什么。
广阔前景
可穿戴设备潜在的好处巨大，而随着技术不断革新，究竟有多大好处也将更加清晰。相关技术的成熟是我们对其持乐观态度的原因。
2020年，全球智能可穿戴设备的销量约为2亿台，预计到2026年这一数字将翻一番，四分之一的美国居民都将拥有这些设备。
未来一到两年内，智能手环或将实现无创检测血糖、酒精浓度、水合作用、各种炎症和肝脏功能，而这些检测目前都需要通过验血才能实现。随着这些设备不断革新，用户们对它们的兴趣会只增不减，不会任其在储物柜里积灰。
潜在问题
与任何技术一样，可穿戴设备也引发了担忧。首先，健康数据很有价值，因此可能被设备制造商、保险公司或对社会控制感兴趣的政府滥用。此外，这项技术可能无法惠及穷人和生活混乱的人，而他们正是最需要它的人。但最大的担忧是，医疗保健的官僚作风会成为绊脚石。
解决办法。
推动发展的首要责任在于市场。开发者已开始为证实自己技术的安全性、效率和价值的研究投入资金。例如，小型产业根据临床疗效和用户隐私对设备和应用程序进行排名，有助于医生、保险公司和政府对其进行筛选。
其次，医疗人员也扮演了非常重要的角色。医疗保健是个保守的行业，考虑到这一行业的风险性，保守一点也是应当的。然而，这可能会阻碍数字医疗的发展。不是因为对技术安全性的合理担忧，而是监管机构、标准机构、保险公司和医学院的惰性。
此外，相关部门需要制定规则，使数据的所有权和使用更加透明，以便人们了解和管理其信息。制定标准可以引导开发者和生产商生产符合规定的设备。另外，医患的数据需要与医疗记录系统关联，而这通常是非常棘手的问题。相关从业人员需要学习使用新技术的治疗方案。还必须为医生提供培训，学习提供数字化诊疗以及审查数据的方法，并给予补贴。现有医疗服务体系主要靠财政补贴，忙于应对紧急状况，无暇在预防上进行投入，政府和保险公司必须解决如何将这一技术纳入现有的医疗服务体系的问题。
任务艰巨，道阻且长。但“自我量化”在降低医疗成本和改善民生上的回报是巨大的。是时候鼓足干劲，迎接医疗保健行业量化自我时代的到来了。【全文完】
编者注：
“量化自我”（ Quantified Self）指利用可穿戴设备和传感器技术等来收集人们日常生活中不同方面的个人数据，探索自我、反思自我从而获取自我认知的运动。狭义上的“量化自我”主要围绕着运动健身、日常生理和疾病治疗三类数据进行监测和分析。
机器学习：人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。
作者：未知
编译：杨官蔚
校改：黄娅菲
评论
必须登陆才能发表评论.