来自智能手表的数据可以帮助预测临床血液检测结果

杜克大学(Duke University)和斯坦福大学医学院(Stanford University School of Medicine)的生物医学工程师和基因组学研究人员称，智能手表和其他可穿戴设备可能被用来感知疾病、脱水，甚至是红细胞计数的变化。

研究人员说，在机器学习的帮助下，可穿戴设备数据心率，体温和日常活动可用于预测通常在临床观察到的健康测量血液测试。这项研究显示在自然医学。

在医生的办公室里，医务人员通常会测量病人的生命体征，包括他们的身高、体重、体温和血压。虽然这些信息被保存在一个人的长期健康记录中，但它通常不用于诊断。取而代之的是，医生将设立一个临床实验室，用于检测患者的尿液或血液，收集特定的生物信息，以帮助指导健康决策。

这些重要的测量和临床测试可以向医生通知医生对一个人的健康的具体变化，如果患者患有糖尿病或已经开发出糖尿病患者，那么如果他们在饮食中获得足够的铁或水，并且如果他们的红色或白色血细胞计数在正常范围内。

但这些测试并非没有缺点。他们需要亲自去看病人，这对病人来说并不总是容易安排的，而且抽血这样的程序可能是侵入性的和不舒服的。最值得注意的是，这些生命体征和临床样本通常不定期和有控制的间隔。它们只提供了患者就诊当天的健康状况，结果可能受到许多因素的影响，比如患者最后一次进食或饮酒的时间、压力或最近的身体活动。

杜克大学的Jessilyn Dunn说:“心率和体温有昼夜变化，但这些临床测量不能捕捉到自然变化。”Jessilyn Dunn是该研究的共同领导和共同通讯作者。“但智能手表或fitbit等设备有能力在很长一段时间内追踪这些测量值和自然变化，并识别出与自然基线的变化。”

邓恩是杜克大学的生物医学工程助理教授，迈克尔·斯奈德是斯坦福大学的遗传学教授兼主席，为了获得关于患者健康的一致和更全面的图片，他和他们的团队想要探索长期数据是否来自可穿戴设备可以匹配在临床测试中观察到的变化，并有助于表明健康异常。

该研究于2015年在斯坦福大学与综合个人OMICS分析（IPOP）队列，包括54名患者。三年来，IPOP参与者穿着英特尔基础智能手表，测量了他们的心率，运动，皮肤温度和汗腺激活。参与者还参加了定期的诊所访问，研究人员使用了传统的测量方法来跟踪心率，温度，红色和白细胞计数，葡萄糖水平和铁水平等东西。

实验表明，SmartWatch数据和临床血液测试之间存在多种连接。例如，如果参与者的手表表明它们具有较低的汗腺激活，则通过电台传感器测量，表示患者始终脱水。

“机器学习方法应用于这种独特的临床和现实世界数据组合，使我们能够识别SmartWatch信号和临床血液测试之间以前的未知关系，”该研究和斯坦福国研究员ŁukaszKidzińskiŁukaszKidziński说。

研究小组还发现，在全血实验室进行的血细胞比压、血红蛋白、红细胞和白细胞计数等测量数据与可穿戴设备的数据有密切关系。持续较高的体温加上有限的活动倾向于表明疾病，这与临床测试中较高的白细胞计数相匹配。心率较高时活动减少也可能意味着贫血，这是由于患者血液中铁含量不足造成的。

虽然可穿戴物品数据不足以准确地预测红色或白血细胞的精确数量，但DUNN和团队非常乐观，即它可能是一种非侵入性和快速的方法，表明患者的医疗数据中的某些东西是异常的。

邓恩说:“想想看，一个人刚出现在急诊室，检查他们的情况，进行化验，然后得到结果都需要时间。”“但如果你带着苹果手表(Apple Watch)或运动手环(Fitbit)出现在急诊室，理想情况下，你应该能够从设备中提取长期数据，并使用算法说，‘可能发生了这种情况。’”

“这个实验是一个概念验证，但我们对未来的希望是医生能够使用可穿戴数据来立即获得有关患者整体健康的宝贵信息，并知道在临床实验室之前如何治疗它们返回，“邓恩说。“如果我们能够更快地照顾人们，那么在那里存在救生干预潜力。”

---

---