可穿戴及便携式设备在健康医疗领域的应用分析

寿文卉，王 义，王 博，周贤波，许利群

（中国移动研究院 北京100032）

1 引言

随着传感器、芯片、通信、移动互联网等技术的日益成熟，国民健康意识的不断增强和对健康服务需求的显著提升，可穿戴及便携式设备（以下简称“可穿戴设备”）在健康医疗领域表现出强大的应用潜力。在传统的医疗照护服务模式中，往往以医院为中心，聚焦诊疗环节，依赖于大型的、固定的专业检测设备，实现患者医疗数据的院内收集，为临床诊断治疗提供决策支持。近年来，在现代通信和信息技术的驱动下，传统医疗照护服务模式得以改革，逐渐实现从以医院为中心向以患者为中心的转变。在关注诊疗的同时，也关注院前的健康促进、慢性病管理和院后的恢复及康复监护，通过将院内医疗服务资源有效投射至院外，使患者能够随时、随地得到个性化服务[1,2]。在这一新型服务模式中，可穿戴设备发挥了重要的端口作用，其连续数据采集能力以及使用方便、易于携带的特点，使随时随地的健康医疗服务成为了可能，突破了时间和空间的限制，并带来了成本的大幅下降。研究显示，对于有潜在高血压风险的糖尿病患者，通过使用可穿戴设备进行慢性病管理，可将年均医疗开销从13 700美元降至235～1 525美元[3]。另一方面，可穿戴设备还能够激发医疗服务创新，提供与主流临床流程相结合的全新解决方案。由此可见，健康医疗可穿戴设备拥有极大的应用潜力和市场空间。根据市场研究公司Berg Insight的调研报告[4]，截至2013年年底，全球有300万患者使用联网的居家医疗设备获得远程监护服务；ABIResearch[5]预测，到2020年，全球健康医疗可穿戴设备的出货量将达1亿台，发展前景可观。

本文聚焦健康医疗可穿戴设备，简要介绍了健康医疗可穿戴设备的不同形态，并从采集模式、采集数据类型、功用形式等3个角度对其进行分类。讨论可穿戴设备应用于健康医疗服务提供的3个典型案例，分析说明设备在端到端系统和服务中的端口作用以及支撑设备的智能分析算法及应用服务的重要价值。从技术、服务、政策和付费等角度，探讨健康医疗可穿戴设备可持续发展面临的挑战。

2 健康医疗可穿戴设备概览及分类

随着近两年健康医疗可穿戴设备市场的兴起，各路设备制造商蜂拥而入。据统计[6]，国内103家企业研发了多达148款健康医疗可穿戴设备。这些可穿戴设备通过集成各种不同的传感器（如MEMS、光学、生物电、压力、温湿度传感器等）、处理器芯片和通信模块（如有线通信、蜂窝无线通信、短距离无线通信等），实现人体数据的采集、分析处理和传输，从而满足健康医疗等相关需求。

可穿戴设备形态各异，功用丰富，其采集的目标数据不同，因此佩戴方式及出现在人体的部位也不相同，图1所示为一些典型的佩戴位置和设备形态，包括隐形眼镜[7]、头带[8]、项链[9]、马甲[10]、衣服[11]、腰带[12]、手环/手表[13,14]、脚环[15]以及其他便携式的生理生化指标采集设备[16～18]（采集位置可在手指、额头、口腔等处）。在上述设备形态中，以佩戴在手腕处的手环/手表最为常见[19]，大多数手环/手表主要聚焦健康数据采集，如运动、睡眠、心率和周围环境参数（如紫外线指数）[20]等，也有少数手环/手表通过技术攻关，实现了基于光学传感器的血压水平和血液成分的连续监测[21]。

接下来从采集模式、采集数据类型、功用形式等3个角度对健康医疗可穿戴设备进行分类。

（1）采集模式

可穿戴设备的数据采集模式可分为不间断采集、定时采集和需要时采集，这取决于具体的应用场景和用户需求，见表1。

（2）采集数据类型

可穿戴设备采集的数据类型包括生理参数、生化数据、影像数据、综合数据等，见表2。

（3）功用形式

可穿戴设备按照其功用形式，可分为监测、筛查、诊断、干预、治疗等，见表3。

3 基于可穿戴设备的健康医疗应用和服务提供典型案例

可穿戴设备种类繁多，形态各异，功能丰富，可实现多模态健康医疗数据的采集、处理和传输。除了将可穿戴设备作为数据感知端口外，如果在此基础上加以数据处理和智能分析算法的支撑，并进一步形成真正意义上有效的健康医疗应用和服务，指导生活方式的改善和生活质量的提高，则能更好地激励可穿戴设备用户的持续参与，为其提供更多价值。目前，基于可穿戴设备的健康医疗应用和服务提供已经贯穿于患者临床照护路径的全方位：在健康促进环节，通过对用户日常的运动、睡眠、饮食和营养摄入行为的持续跟踪，进一步提供信息反馈和行为激励，促进健康生活方式的养成；在慢性病管理环节，通过对血压和血糖等体征参数的定时监测，提供关于体征变化趋势的洞察见解，实现有效的患者自我管理和家人及护理团队管理；在诊断治疗环节，医疗级可穿戴设备及时采集生理、生化指标和影像数据，并分享至专业人员进行远程诊断；在院外康复环节，通过可穿戴设备将出院/术后患者的关键指标实时反馈给医院的医护人员，实现院内医疗服务向院外的拓展延伸。

以下将列举3个典型案例，具体说明如何基于可穿戴设备实现健康医疗应用和服务提供。

表1 健康医疗可穿戴设备的采集模式分类

表2 健康医疗可穿戴设备的采集数据类型分类

表3 健康医疗可穿戴设备的功用形式分类

3.1 睡眠障碍检测及质量评估

近年来，睡眠障碍逐渐成为困扰中国人的问题之一。中国医师协会《2015年中国睡眠指数报告》[26]显示，31.2%的中国人存在严重睡眠问题。中国潜在的呼吸暂停综合征患者约5 000万人，呼吸暂停综合征可能导致高血压、冠心病、中风和猝死等问题，严重威胁人们的健康。目前，睡眠障碍筛查和检测主要在医院睡眠监护室进行，然而该解决方案存在费用高、周期长、舒适性差、无法代表真正睡眠环境等问题。因此，人们对于居家睡眠监护的需求非常强烈。

针对睡眠障碍患者筛查和远程居家监护需求，研发了端到端的睡眠健康远程监护系统（包括智能节点、智能手机APP和移动健康创新平台（CM-mHiP））及相应的各种智能处理和分析算法，让用户可以在舒适的家庭环境中享受睡眠障碍检测及质量评估等全方位服务，如图2所示。

①用户佩戴智能节点采集睡眠期间的心电、体温、加速度数据，并通过低功耗蓝牙或者USB将数据传输至智能手机。

②智能手机麦克风采集用户睡眠期间的鼾声及环境音，通过特定的智能分析算法，在手机上实现鼾声及环境音的识别以及呼吸暂停事件的检测判断，分析结果和来自智能节点的心电、温度、加速度数据一同被上传到移动健康创新平台。

③移动健康创新平台的智能分析算法可基于智能节点采集的数据，实现睡眠姿态判定（俯卧、侧卧、平躺）、睡眠结构分析（深睡、浅睡、夜醒）和睡眠质量评估。

④睡眠中心的专业医生对智能算法的分析结果加以确认，并给出专业的睡眠指导建议，最终反馈给用户，形成闭环服务。

在本案例中，以智能节点和智能手机采集的心电、温度、加速度和声音数据为基础，通过智能算法的处理分析和专业医生的支持，为用户提供可理解的呼吸暂停检测及睡眠质量评估结果和可执行的行动指南，形成线上、线下相结合的闭环服务，最终指导其提高睡眠质量，摆脱睡眠障碍。

3.2 心律不齐筛查及严重程度评估

国家心血管疾病中心[27]统计显示，我国心血管病患者人数高达2.9亿，平均每5个成年人就有1人患有心血管病，平均每5例死亡就有2例死于心血管病，死亡率居各种疾病之首。面对如此严峻的形式，如何有效预防心血管病、降低心血管病的危害已经成为社会各界关注的重点。事实上，心律失常是心脏功能发生异常的早期症状，如果能够及时检测心律失常，就可以及早发现、预防和治疗心脏疾病。随着可穿戴设备和移动互联网技术的发展，针对移动和家庭场景的远程心脏监护和心律失常筛查成为有效预防心血管病的手段。

基于以上背景，研发了端到端的远程心脏监护系统（包括智能心电节点、智能手机APP和移动健康创新平台），可为用户提供集心电采集、信号质量分析、心律失常筛查及严重程度评估于一体的远程心脏监护服务，如图3所示。

①用户佩戴智能心电节点采集心电数据（单导联或者三导联），并通过低功耗蓝牙将数据实时传输至智能手机。

②智能手机的信号质量检测算法对心电数据进行分析，用户根据信号质量分析结果调整佩戴位置，当心电数据信号质量合格后，智能手机将保存一段时间（如30 s）的心电数据，并通过智能算法分析，实现心律失常检测（如心动过缓/过速、早搏、房颤等）和严重程度评估（无碍、中度、严重）。

③原始心电数据和算法分析结果通过移动健康创新平台共享至专业服务中心的医生，一旦情况异常，医生将及时通知用户去医院做进一步检查，从而实现疾病的早发现、早治疗。

在本案例中，通过将智能心电节点、智能分析算法和专业医疗资源相结合，为亚健康人群、心脑血管患者和出院患者提供心血管病预防筛查及远程监护服务。一方面，减少了患者做检查的金钱和时间成本，使得患者足不出户就可以完成检查；另一方面，减少了心脏科医生的重复劳动，通过智能算法分析辅助人工检查，过滤心脏正常的情况，将医生的精力放在少数需要重点关注的心脏异常情况上。

3.3 异常计步检测及运动行为分析

针对计步器/运动手环等运动监测类可穿戴设备，在实现步数、距离、卡路里消耗等运动数据量化的基础上，通过智能算法对用户运动行为进行深入分析，提出个性化的运动指导建议，从而改善用户的行为方式和身体健康状况，这是其获得用户持续青睐的关键。另外，竞赛性质健步走比赛的广泛组织，也对运动类可穿戴设备的防作弊机制和计步精准性提出了更高的要求。

基于以上两方面的需求，研发了端到端的智能运动监测系统（包括计步器、智能手机APP和移动健康创新平台）及相应的各种智能处理和分析算法，实现防作弊的精准计步和全面的用户行为分析与指导，如图4所示。

①计步器采集用户的加速度数据，并通过嵌入式智能算法，实现异常计步（即非步行产生的错误计步，如手摇、手绕、抖腿、单摆等）检测，生成去除异常计步的精准运动步数。同时，计步器智能算法以加速度数据为基础，对活动频率进行统计，动频统计结果和精准的运动步数将通过内置SIM卡上传至移动健康创新平台。

②移动健康创新平台的行为分析算法基于动频统计结果，识别用户的运动行为类型，包括静止、乘车、零散活动、步行、锻炼、跑步等，并进一步生成运动指导建议。

③精准的运动步数、行为分析结果和运动指导建议最终被推送至用户的智能手机，帮助用户养成健康的生活习惯，改善身体健康状况。

4 可穿戴设备推动移动医疗应用可持续发展面临的挑战

以上对可穿戴设备在健康医疗领域的应用现状进行了全面概览和深入剖析。下面，将从技术、服务、政策和付费等角度，探讨可穿戴设备在推动移动医疗应用可持续发展方面所面临的挑战。

4.1 技术角度

从技术角度，健康医疗可穿戴设备主要面临以下3个方面的问题和挑战。

（1）小型化、低功耗、精准化

目前，电池微型化与高容量技术仍有所欠缺，智能操作系统及其应用耗电量大，硬件与软件的协调工作功耗仍存在改进空间。随着纳米材料、SoC和ASIC技术的发展，集成多传感器的SoC芯片、大容量小体积的薄膜微电池、Power Gating超低功耗技术，都将让可穿戴设备在功耗和体积上取得进一步突破。在数据精准化方面，可穿戴设备采集数据的准确性尚未取得专业医疗人员的认可，随着传感器技术准确度的提高以及传统医疗行业的逐步开放，未来越来越多的可穿戴设备的数据将在临床中使用，连续采集的体征数据将会具有一定的诊断价值。

（2）数据传输协议标准化

可穿戴设备作为移动互联网新的端口接入形式，在与其他智能设备交互数据时，涉及数据传输协议的标准化问题。只有兼容统一的数据传输协议（如IEEE 11073-104XX设备规范、Bluetooth Health Device Profile等）实现更广范围的互联互通，方能推动生态环境的良好构建和可穿戴设备的持续发展。

（3）外观设计、材料工艺增强

可穿戴设备的外观设计和材料工艺将直接影响设备品质和用户选择。未来可穿戴设备将与人体更好地融合，通过贴片、纺织材料、可消化/服用等多种形态，提供无感知化的用户体验。

4.2 服务角度

可穿戴设备作为数据采集和感知的端口，只有进一步提供临床有效的健康医疗应用和服务，才能为用户创造更大的价值，从而获得可持续发展和广泛采纳。可穿戴设备厂商应与应用开发商、服务提供商深度合作，着力打造杀手级、医疗级应用服务，通过多源数据融合和智能算法分析，结合用户实际需求和临床医疗经验，为其提供可执行的反馈，激励用户持续互动。

4.3 政策和付费角度

可穿戴设备一旦应用于临床医疗领域，需要通过CFDA等监管机构的认证，获得临床认可。此外，设备制造商还应与保险公司等付费方共同研发解决方案，通过改善医疗照护流程，降低医疗成本。可穿戴设备未来将不再仅是消费品，而是获得CFDA批准，进入医生处方且能被医保或商业保险公司报销的医疗设备。

总体来看，可穿戴设备应用于健康医疗领域，使医疗照护空间得到了拓展，不再受时间和空间的限制，而设备对个人数据的采集也为医护服务的个性化和精准化提供了可能。与此同时，可穿戴设备必须服务于主流临床流程。仅提供单纯的数据采集功能很难激励用户的持续参与，只有服务于主流临床流程，使之成为能有效提供健康医疗服务的一个有机组成部分，通过智能算法的处理分析或者由专业医疗人员进一步提供有益见解，向用户反馈有临床意义的信息和可执行的行动指南，帮助用户改善健康，才是可穿戴设备及移动医疗应用获得可持续发展和广泛采纳的关键。

5 结束语

本文首先介绍了健康医疗可穿戴设备概览，并从采集模式、采集数据类型、功用形式等角度对设备进行分类。之后，从贯穿患者临床照护路径的应用和服务提供角度，讨论睡眠障碍检测及质量评估、心律不齐筛查及严重程度评估和异常计步检测及运动行为分析等3个典型案例，剖析可穿戴设备在端到端系统中的端口作用以及支撑设备的智能分析算法及应用服务的重要价值。最后，从技术、服务、政策和付费角度，对可穿戴设备推动移动医疗应用可持续发展所面临的挑战加以探讨。

[1]Deloitte Centre for Health Solutions[EB/OL].http://www.doc88.com/p-4149254526937.htm l,2014.

[2]The Economist Intelligence Unit.Power to the Patient:How Mobile Technology is Transforming Healthcare[R].2015.

[3]iTriage.iTriage Survey Conducted Among iTirage Mobile Application Users Between December 29,2014 and January 26,2015[R].2015.

[4]Berg Insight.mHealth and Home Monitoring[R].2014.

[5]ABI Research.The Remote Patient Management Revolution:Wearable Devices and Open Management Platform[R].2014.

[6]动脉网互联网医疗研究院.盘点：国内超100款监测身体状况的可穿戴设备[R].2015.

[7]Google.Official blog:introducing our smart contact lens project[EB/OL].http://googleblog.blogspot.jp/2014/01/introducingour-smart-contact-lens.html,2014.

[8]Interaxon[EB/OL].http://www.choosemuse.com/,2015.

[9]SafeNecklace[EB/OL].http://safenecklace.com/,2014.

[10]Sensiblemedical[EB/OL].http://sensible-medical.com/technology/products,2015.

[11]OMsignal[EB/OL].http://www.omsignal.com/,2015.

[12]Lumo[EB/OL].http://www.lumobodytech.com/lumo-back/,2015.

[13]Fitbit[EB/OL].http://www.fitbit.com/cn,2015.

[14]Apple[EB/OL].http://www.apple.com/cn/watch/?cid=wwa-cn-kwbwatch-com,2015.

[15]Sproutling[EB/OL].http://www.sproutling.com/,2015.

[16]Tyto care[EB/OL].http://tytocare.com/,2015.

[17]Scanadu[EB/OL].https://www.scanadu.com/,2015.

[18]DMI[EB/OL].http://www.dnamedinstitute.com/,2015.

[19]PWC Health Research Institute.Health Wearables:Early Days[R].2014.

[20]Netatmo[EB/OL].https://www.netatmo.com/en-US/site,2015.

[21]Forbes.Thiswearable prototype can see through skin to scan your blood[EB/OL].http://www.forbes.com/sites/parmyolson/2015/05/27/wearable-tech-blood-monitoring-echo-labs-stanford/?ss=pharmahealthcare,2015.

[22]Cnogamedical[EB/OL].http://www.cnoga.com/,2015.

[23]Lev El[EB/OL].http://www.levhm.com/,2015.

[24]STEVEN JR,FIRASH E,MANASIS,et al.Outpatient glycemic controlwithabionicpancreasin type1diabetes[J].The New England Journal of Medicine,2014.

[25]Syrolight[EB/OL].http://www.syrolight.com/index.php,2015.

[26]中国医师协会.2015年中国睡眠指数报告[R].2015.

[27]国家心血管病中心.中国心血管病报告2013[R].2014.