可穿戴设备,助力医疗保健行业高质量发展

本文转载自: 贸泽电子

新冠肺炎 (COVID-19) 让人们意识到了及时医疗数据在帮助识别易感染和高危人群方面的重要性。在COVID-19流行之前,医疗可穿戴及其他互联医疗设备就已经可以提供预警潜在健康问题所需的长期数据。此次疫情结束后,可穿戴设备很可能会在医疗保健领域发挥更大的作用。通过提供持续更新的主要生命体征测量,可穿戴设备将有助于缩短治疗时间,减轻医护人员执行必要但耗时的测量工作,使他们能够专注于患者护理。在这里,我们将探讨可穿戴设备如何提供长期有效的解决方案,来为医护人员提供所需的患者基本数据。

生命体征监测的重要性

生命体征监测通常能让医疗保健人员第一时间了解患者病症或慢性健康问题。因此,几十年以来,在进入医生办公室、诊所或医院就诊前都需要先测量个人的主要生命体征,包括体温、脉搏、呼吸频率和血压。在某些健康状况下,外周血氧饱和度 (SpO2) 等其他生理指标变得越来越重要,也被纳入了生命体征测量范围。

有着扎实专业训练和临床经验的医生,可以通过主要生命体征变化或读数异常发现潜在的病理学问题,包括:

体温,可以反映身体免疫系统对感染或其他情况的反应。

心率,可帮助发现可能的心脏问题。

呼吸频率,反映整体心血管健康状况,并为可能的心肺问题提供特别重要的指标。

血压,反映心血管健康以及其他各种疾病。

随着COVID-19冠状病毒疫情的发展,生命体征监测变得尤为重要。医护人员发现引起本次疫情的SARS COV-2病毒感染会诱导机体产生免疫应答,进而导致体温升高,因此将发热看作是一个相对可靠的COVID-19预测因子,并被快速、广泛用作筛查疑似病例的主要手段。事实上,对于那些因年龄、慢性健康问题或免疫系统可能受损而被视为高风险的人群来说,生命体征的全套定期监测仍然非常重要。

对于那些感染SARS-CoV-2的患者,医生需监测一系列生命体征来观察COVID-19疾病的进展情况。例如,SpO2测量对于检测血氧饱和度下降至关重要,而后者与此病毒对呼吸系统的危害息息相关。COVID-19患者血氧饱和度降低,呼吸速率会因心肺系统试图获得更多氧气而上升。由于疾病的进一步发展将严重影响人类的健康,因此经常监测患者的生命体征变得至关重要。

借助于可穿戴技术监测生命体征

对于每一项生命体征,市面上已经或即将推出相应的可穿戴技术,以根据需要长时间定期进行生命体征监测。例如,已被医院广为采用的体温可穿戴设备,特别是在许多新生儿病房,让婴儿佩戴微型无线温度传感器贴片,医护人员便能够监测体温,而不会干扰其他小病人。

内置心率监测器 (HRM) 的智能手表和健身手环不仅为用户提供基本心率测量,而且还可以作为检测其他健康问题的高级技术基础。数字健康科技初创公司Cardiogram和加州大学旧金山分校 (UCSF) 使用HRM智能手表提供的心率数据进行研究后发现,即使使用常规心率数据也可以提供心房颤动或其他心律失常的检测。他们的进一步研究发现,心率数据可以提供糖尿病或糖尿病前期状况的早期指标。其他类型的心率数据分析还可提供心率变异性 (HRV) 测量,以便发觉会影响健康和生活的生理病理 (如心血管疾病) 和心理 (如焦虑或抑郁) 问题。

其他分析技术借助于HRM智能手表和健身穿戴设备所用同类型的光学传感器,还可以得出SpO2、呼吸频率和血压数据,而无需单独的脉搏血氧计夹、呼吸胸带或血压袖带。同样,其他可穿戴和测量技术也可以生成具有足够分辨率的心电图,以提醒医生需要进行更深入的检查。

长期来看,可穿戴设备还可帮助确保无需去诊所甚至是在家享受大型医疗设备诊疗服务的患者遵守医嘱。事实上,即使某些可穿戴医疗设备测量经常出现变异性和分辨率降低的现象,但其数据通常仍可为医疗服务人员提供早期预警。

利用关键配套技术增强医疗保健监控

先进的传感器技术和复杂的分析方法只是可穿戴医疗保健拼图的一部分,要进行持续生命体征监测还需要很多其他技术的支持。可穿戴开发人员可以利用广泛的无线连接解决方案,包括采用集成无线电子系统的微控制器提供蓝牙5和其他连接。

可穿戴设备可以采用标准安全机制,为医疗数据链提供高水平的数据机密性和完整性。基于无线微控制器的可穿戴设备可以将医疗数据安全地发送到移动设备、本地网络甚至云端。这些蓝牙设备也为接触人员追踪算法提供了基础,以避免在COVID-19爆发时危害个人隐私或安全。这些蓝牙设备及其他超低功耗设备所拥有的功能和性能可支持更复杂的医疗算法,而不会影响电池供电产品有限的功率预算。

结语

可穿戴设备体积小、佩戴舒适,能够以医生要求的更新速度和测量持续时间进行不引人注目的测量,并且不会进一步加重医护人员的负担。幸运的是,对于帮助人类从流感大流行中恢复并寻求长期有效的解决方案以改善人类健康和福祉的人群来说,已可以利用现有的底层可穿戴技术和分析能力来促进医疗保健行业的发展。

作者介绍:
Stephen Evanczuk在电子行业有20多年的写作经验,涉及广泛的主题,包括硬件、软件、系统和物联网等应用。他获得了神经网络神经科学博士学位,并在航空航天行业从事大规模分布式安全系统和算法加速方法的研究。目前,他在写技术和工程方面的文章的闲暇之时,还在研究深度学习在识别和推荐系统中的应用。