醫(yī)療物聯(lián)網(wǎng)會是怎樣的

機器學習（ML）和人工智能（AI）的共生增長正在擴大醫(yī)療物聯(lián)網(wǎng)（IoMT）的價值。在處理來自連接的醫(yī)療設(shè)備的大量連續(xù)流數(shù)據(jù)時，醫(yī)生能夠更快，更可靠地得出可行的結(jié)論。

什么是醫(yī)療物聯(lián)網(wǎng)（IoMT）？ 隨著各行業(yè)物聯(lián)網(wǎng)用例的激增，醫(yī)療領(lǐng)域也不例外。鑒于美國醫(yī)療保健已逐步轉(zhuǎn)變?yōu)橐宰C據(jù)為基礎(chǔ)的結(jié)果，且激勵措施也開始趨于一致，因此衡量指標和患者反饋已成為醫(yī)療保健提供者必不可少的要素。付款人越來越希望通過比其他方法更有效的治療來優(yōu)化成本。

基于數(shù)據(jù)的護理將繼續(xù)增長，并將對治療的成本和質(zhì)量產(chǎn)生有益的影響。

傳感器帶給醫(yī)療保健的關(guān)鍵價值在于減少測量，檢測和治療之間的時間。胰島素泵使用血糖監(jiān)測器在適當?shù)臅r間測量和輸送劑量，該監(jiān)測器在皮膚下具有將血糖水平傳達給外部接收器的傳感器。此外，現(xiàn)在可用的數(shù)據(jù)分析功能以比以前更快的速度為測量添加上下文和含義。

醫(yī)療物聯(lián)網(wǎng)用例分類

1. 診斷

醫(yī)療物聯(lián)網(wǎng)設(shè)備如何改善診斷？追蹤身體指標的設(shè)備可能越來越多，這些指標可以指示諸如糖尿病和心房顫動之類的醫(yī)療狀況。可以連續(xù)收集諸如血液化學，血壓，大腦活動和疼痛程度等關(guān)鍵醫(yī)學參數(shù)。

這可以幫助檢測疾病發(fā)作或活動的早期跡象，從而改善反應(yīng)。一旦確定了疾病的易感性或危險因素，就可以使用正確的目標傳感器密切跟蹤因果指標。由于具有心律監(jiān)測和跌倒檢測等功能，即使是最新版的Apple Watch 4也已被宣布為2級醫(yī)療設(shè)備。

必須指出的是，大多數(shù)以消費者為導向的設(shè)備還沒有通過FDA的監(jiān)管程序，不能被認定為醫(yī)療設(shè)備。

2. 療養(yǎng)

患者術(shù)后恢復時間是手術(shù)成本的重要組成部分，而最小化手術(shù)時間是降低成本的一個重要因素。例如，對于全膝關(guān)節(jié)置換術(shù)，美國的住院時間約為兩天，而在英國以外的國家衛(wèi)生服務(wù)（NHS）中的四至五天，需要減少SNF（熟練護理設(shè)施）和物理治療的時間。這可以通過使用可穿戴傳感器來實現(xiàn)，這些傳感器有助于鍛煉、合規(guī)和遠程監(jiān)控。

傳感器可以跟蹤各種關(guān)鍵指標并提醒護理人員及時做出響應(yīng)。傳感器與遠程醫(yī)療相結(jié)合，使加速恢復變得更加容易。了解患者在兩次就診之間在做什么，可以幫助縮短手術(shù)后的恢復時間。實際上，Geisinger系統(tǒng)與Force Therapeutics之間三年的合作已顯著改善了治療效果。健康數(shù)據(jù)管理部門的Greg Slabodkin報告說，這包括住院時間減少30%，熟練護理設(shè)施使用減少56%，再住院率減少18%。

3. 長期護理

隨著血壓，葡萄糖水平，汗液甚至淚液分析的不斷發(fā)展，追蹤身體參數(shù)的傳感器變得越來越復雜。與標準化測試相比，這樣做的好處主要在于數(shù)據(jù)捕獲的頻率。在諸如風濕性關(guān)節(jié)炎等慢性退行性疾病的情況下，移動傳感器可以幫助改善步態(tài)和形成步態(tài)。IoMT設(shè)備應(yīng)用程序的另一類是對患者對治療依從性的監(jiān)視和響應(yīng)。特別是在慢性護理中，可以通過理想地適用于物聯(lián)網(wǎng)設(shè)備的測量和監(jiān)控來避免不良結(jié)果和延長的恢復期。

4. 預(yù)防措施

主動讓患者參與指導性運動的設(shè)備有助于防止需要醫(yī)療護理和相關(guān)費用。例如，矯形空間中關(guān)節(jié)的運動范圍，或預(yù)防頸椎病的姿勢調(diào)整，都是器械如何幫助預(yù)防的例子。一個例子是Upright。

例如，可穿戴設(shè)備可以通過檢查老年人的活動并注意任何可能導致失衡和摔倒的異常現(xiàn)象，防止老年人摔倒。蘋果的手表使用內(nèi)置的IMU（慣性測量單元）來識別跌落或可能性。它甚至可以用于測量與神經(jīng)系統(tǒng)疾?。ㄈ缗两鹕喜。┯嘘P(guān)的震顫。

結(jié)論

由于機器學習（ML）和人工智能（AI）的共生性增長，醫(yī)療物聯(lián)網(wǎng)的價值正在增加。在處理來自傳感器輔助醫(yī)療設(shè)備，數(shù)據(jù)分析和ML的大量連續(xù)流信息時，可以更快地提供可行的結(jié)論，以幫助治療過程。

通過信息流，預(yù)防保健可以減少住院，并顯著降低急診費用。這將提高效率并改善患者滿意度和結(jié)果。但是，必須謹慎評估移動中和靜止時數(shù)據(jù)安全的一些風險。此外，假陽性讀數(shù)的風險會給患者和護理系統(tǒng)造成不必要的壓力。準確性，可重復性和可靠性是IoMT的三個基本要素，必須始終對其進行優(yōu)先排序。

責任編輯：Ct