可穿戴设备的应用原理

加速度测量技术已经取得了相当大的进步，越来越小的设备提供越来越精确的运动转导（在x， y和z轴上），陀螺仪技术（gyroscope technology）捕获旋转运动以确定方向（例如姿势）。加速度计可用于获取身体活动指标（如步数和活动强度）以及评估虚弱状况（如跌倒检测和步态分析）。当与PPG数据结合时，它可用于推断睡眠-觉醒模式，并区分睡眠中的快速眼动（REM）期和深慢波期。 此外，它还可用于校正其他信号如PPG中的运动伪影。

PPG利用光源照射到皮肤，吸收、透射和反射光的比例取决于它的波长和局部的血容量，血容量随着血流的脉动而波动。光敏换能器（Photo-sensitive transducers）可检测透射或反射的光线，从而重建脉冲波形并获取一系列数据，包括心率（HR）、心率变异性（HRV）和血氧饱和度（SpO2）。早期的心房颤动（AF）筛查试验依赖于基于PPG的不规则脉搏提示。此外，PPG-derived的HRV与心电图（ECG）在低频参数方面具有高度一致性，但在高频测量中一致性较弱。人工智能和可穿戴设备技术已改善了HRV的测量方法，这为心血管疾病风险分层提供了一种有前景的研究工具，但临床应用仍受限于数据采集和分析方法不一致的问题。

利用加速度计非侵入性地检测每次心跳产生的机械力，可以估算心率、心率变异性、每搏输出量、心输出量、心律失常以及睡眠分析。远程介质传感利用组织的介质特性来检测传输或反射的低功率电磁信号，以估计组织液的含量，这已显示出有利于监测心力衰竭（HF）时的肺充血。

慢病管理与可穿戴设备

在接受Medscape专业网络旗下El Médico Interactivo采访时，专注于数字健康领域的医生冈萨洛·巴克罗·桑斯（Gonzalo Baquero Sanz）表示：“当前的医疗体系高度依赖医院，但无法满足所有需求。”  因此，需要采取新的方法来应对这些挑战，例如借助远程医疗工具，而可穿戴设备正是其中的重要组成部分。

Ovianta公司是一家专注于为医疗机构开发基于人工智能的语音和文本对话代理的健康科技初创企业。该公司医疗负责人巴克罗·桑斯（Baquero Sanz）表示，CVD和糖尿病是受益于可穿戴监测最多的疾病之一。CVD主要包括HF、高血压、心房颤动和心律失常。

HF是一个显著的例子。发表在《自然·医学》上的研究发现，智能手表可用于远程监测心力衰竭急性加重情况。日常活动中从受试者可穿戴设备收集的数据与心肺功能运动测试结果高度一致。可穿戴设备测量所衍生的每日最大摄氧量（pVO2）每下降10%，意外医疗事件的风险比（HR）增加3.62倍，凸显了其在评估心肺耐力及支持远程监测方面的潜力（Nat Med. 2026 Mar;32(3):924-933.）。

无袖带血压测量技术主要依赖脉搏波形分析和脉搏传导时间，并需与传统的上臂袖带设备进行校准，以确保测量准确性。无袖带血压读数在多大程度上依赖初始校准，以及这些设备能否可靠地追踪血压随时间的变化趋势，目前尚不明确。此外，测量结果易受个体因素影响，如体位、环境温度和血管张力等。 尽管已有多种无袖带血压设备投入市场，且血压变异性正逐渐成为心血管调节功能受损的重要指标并具有预后意义，但由于对校准过程及用户相关因素仍存疑虑，目前尚未推荐将其常规用于临床[Eur Heart J. 2026,47(18):2130–2145]。

2026年5月报告的研究结果表明，可以将数字化糖尿病自我管理教育服务（DSMES）与连续血糖监测（CGM）相结合。DSMES使用蜂窝网络连接设备，例如体重秤和CGM。为参与者应用并激活了2个FSL Pro CGM传感器用于CGM。随访6个月，与常规治疗组比较，DSMES联合CGM有助于2型糖尿病成人患者更有效地控制糖化血红蛋白（HbA1c），并改善葡萄糖管理指数、血糖控制时间和高于目标范围的时间，并且可能降低长期并发症的风险（J Med Internet Res. 2026 May 14;28:e78321.）。

在可穿戴设备带来最大范式转变的疾病中，呼吸系统疾病尤为突出，包括慢性阻塞性肺病及其他慢性肺部疾病。其他展现出潜力的领域还包括肥胖症、慢性肾病、睡眠障碍以及某些神经系统疾病。

人工智能与可穿戴设备

可穿戴设备通过持续监测用户的生命体征(如心率、血压、血氧、睡眠质量等)的过程中，生成了海量时序数据，人工智能利用‌LSTM、Transformer‌等深度学习模型提取特征，识别房颤、睡眠呼吸暂停等异常模式，能够实现疾病预测、健康管理和个性化治疗。现代人工智能技术，特别是深度学习，非常适合多模态生理数据分析。例如， 联合分析ECG、PPG两类互补生理波形，相比单模态分析能识别出更多心血管性状的遗传关联位点，显著提升房颤等心脏疾病的样本外预测精度，助力于心血管疾病的遗传机制研究。

人工智能可穿戴设备是‌把 AI 技术集成到日常穿戴物品中‌的智能设备，比如智能眼镜、智能手表、智能戒指等 。2025 年中国智能穿戴设备市场规模有望突破 3000 亿元，出货量预计突破 7100 万台 。‌‌

可穿戴设备临床应用中的挑战

可穿戴设备能够在传统临床环境之外，采集真实世界中的生活数据，从而生成丰富的数据集。这些技术在提升临床研究方面具有巨大潜力，但要使可穿戴设备在临床研究中充分发挥作用，仍需解决若干挑战。例如设备方法学，数据输出、验证标准和预期用途的差异性，与现有电子健康记录系统的不兼容，以及缺乏标准化、循证支持的工作流程。

当前的挑战已不再是单纯收集更多数据，而是如何将这些信息以有用、安全且协调的方式整合到日常临床实践中。下一个挑战是制定全面的策略，通过标准化将这些设备整合到患者的护理中。这不仅仅是给患者配备一个可穿戴设备就完事了。当可穿戴设备与患者对生活方式调整及正确使用设备以评估这些改变效果的教育相结合时，其效果最为显著。只有当可穿戴设备成为多学科综合策略的一部分时，才能真正发挥作用，这一点非常重要。