研究人员说,在机器学习,可穿戴心率、体温和日常活动的设备数据可用于预测临床血液测试中通常观察到的健康测量值。
在看病期间,医务工作者通常会测量病人的生命体征,包括身高、体重、体温和血压。尽管这些信息被归档在一个人的长期健康记录中,但它通常不被用来创建诊断。取而代之的是,医生将要求临床实验室检测病人的尿液或血液,以收集特定的生物信息来帮助指导健康决策。
这些重要的测量和临床测试可以让医生了解特定的改变一个人的健康,如果病人有糖尿病或糖尿病前期发展,如果他们得到足够的铁或水在他们的饮食,如果他们的红色或白细胞计数在正常范围内。
但这些测试也不是没有缺点。这些手术需要病人亲自出诊,而这对病人来说并不容易安排,而且抽血这样的手术可能是有创的,而且不舒服。最值得注意的是,这些生命体征和临床样本通常不是在有规律和有控制的时间间隔采集的。它们只提供了医生就诊当天病人健康状况的一个快照,结果可能受到许多因素的影响,比如病人最近一次进食或饮酒的时间、压力或最近的体育活动。
杜克大学的Jessilyn Dunn说:“心率和体温有昼夜节律(每天)的变化,但诊所的这些单一测量并没有捕捉到这种自然变化。”他是这项研究的共同领导和通信作者。“但等设备smartwatches或者fitbit能够在很长一段时间内跟踪这些测量数据和自然变化,并识别出何时与自然基线有变化。”
杜克大学生物医学工程助理教授邓恩,斯坦福大学遗传学教授兼主席迈克尔·斯奈德,他们的团队想要探索从可穿戴设备中收集的长期数据是否能够与临床测试中观察到的变化相匹配,并帮助指出健康异常。
该研究始于2015年,由斯坦福大学(Stanford university)的综合个人组学分析(iPOP)队列开展,共纳入54名患者。在三年多的时间里,iPOP的参与者都戴着一块英特尔Basis智能手表,用来测量他们的心率、运动、皮肤温度和汗腺的激活情况。参与者还会定期到诊所就诊,在那里,研究人员使用传统的测量方法来跟踪心率、体温、红细胞和白细胞计数、血糖水平和铁水平等数据。
实验表明,智能手表数据与临床血液检测之间存在多种联系。例如,如果参与者的手表显示他们的汗腺活动较低,皮肤电传感器测量到,这表明患者一直处于脱水状态。
该研究的共同主要作者、斯坦福大学(Stanford)的一名研究人员Łukasz Kidziński说:“将机器学习方法应用于临床数据和真实世界数据的独特结合,使我们能够识别智能手表信号和临床血液测试之间以前未知的关系。”
该团队还发现,在一个完整的血液实验室中进行的测量,如血细胞比容、血红蛋白、红细胞和白细胞计数,与可穿戴设备的数据有密切的关系。持续较高的体温加上活动受限往往意味着疾病,这与临床试验中较高的白细胞计数相吻合。心率加快而活动减少的记录也可能表明贫血,这是在病人血液中铁含量不足时发生的。
尽管可穿戴设备的数据不够具体,不足以准确预测红细胞或白细胞的精确数量,但邓恩和他的团队非常乐观地认为,当病人的医疗数据出现异常时,它可能成为一种非侵入性的、快速的方法。邓恩说:“如果你想到一个人刚刚出现在急诊室,需要花时间检查他们,让实验室运转,并得到结果。”“但如果你出现在急诊室,手里拿着苹果手表或Fitbit,最理想的情况是,你能够从设备中提取长期数据,并使用算法说,‘这可能就是正在发生的事情。’”
杜恩说:“这个实验是一个概念验证,但我们对未来的希望是,医生将能够使用可穿戴数据,立即获得有关患者整体健康的有价值的信息,并在临床实验室返回之前知道如何治疗他们。”“如果我们能更快地为人们提供正确的护理,就有可能进行拯救生命的干预。”
这项研究发表在自然医学.
来源:杜克大学