可穿戴设备助力帕金森病研究：潜力几何？短板何在？

为解决帕金森病评估量表的局限性问题，相关研究人员开展了对 Empatica E4、Fitbit Sense 和 Oura ring 用于 PD 研究的效用评估。结果发现三种设备各有利弊，都非最优。该研究为 PD 研究及设备改进提供参考，值得科研读者一读。

　　

可穿戴设备助力帕金森病研究：现状、挑战与展望

在医学领域，帕金森病（PD）是一种常见的神经退行性运动障碍疾病，它就像一个 “捣蛋鬼”，不仅会让患者出现运动功能障碍，如动作迟缓（bradykinesia）、震颤（tremor）和僵硬（rigidity），还会引发一系列非运动症状，像嗅觉减退、自主神经功能失调、精神障碍、胃肠道问题、认知障碍甚至痴呆等。而且，许多患者还会被睡眠障碍所困扰，其中快速眼动（REM）睡眠行为障碍较为常见。更让人头疼的是，帕金森病的症状在不同患者之间差异很大，并且还会出现昼夜波动。

为了评估帕金森病的严重程度，临床上常用一些评估量表，比如运动障碍协会统一帕金森病评定量表（MDS - UPDRS）。但这些量表存在不少问题，就像是有漏洞的 “水桶”。它们需要专业的神经科医生进行评估，一年中能评估的次数有限，只能给患者的病情提供几个 “静态快照”，对于受药物影响而变化明显的运动症状来说，很难准确捕捉其动态变化。虽然症状日记可以补充，但患者记录的准确性和可靠性又难以保证，而且不同医生评估时的标准也可能不一致，这使得长期监测病情变得困难重重。所以，寻找一种更客观、能在日常生活中随时监测帕金森病症状的方法，成为了医学研究的一个重要目标。

随着科技的发展，可穿戴设备逐渐进入人们的视野，它们就像是一个个 “小卫士”，有望改善帕金森病症状的评估。像 Motor fluctuations Monitor for Parkinson’s Disease（MM4PD）、Parkinson's KinetiGraph（PKG）等设备，已经显示出在监测帕金森病症状方面的潜力，能与临床量表有较好的相关性，还能测量诸如运动迟缓、运动障碍、震颤等症状。然而，现有的可穿戴设备也并非完美无缺。从患者的角度看，他们希望设备使用方便、价格亲民、小巧轻便、耐用且防水；从研究人员的角度出发，设备的高灵敏度（高采样率）、成本和可重复性也至关重要。但目前很多设备都不能同时满足这些要求，比如 PKG 就因为不公开评分算法而受到批评。

那么，那些常见的通用可穿戴设备，能不能为帕金森病研究提供可靠的数据呢？为了弄清楚这个问题，来自相关研究机构的研究人员在《BMC Medical Engineering》期刊上发表了一篇名为 “Investigating the utility of research - grade and commercial - grade wearable devices for Parkinson’s disease research: a cross - evaluation study” 的论文。研究人员通过一系列研究发现，目前这三种被研究的设备（Empatica E4、Fitbit Sense 和 Oura ring）都不是帕金森病研究的最佳选择，但它们各自都有一些优点，未来经过改进可能会符合研究要求。这一研究结果为后续的帕金森病研究和可穿戴设备的发展指明了方向，让人们看到了希望的曙光。

在这项研究中，研究人员采用了多种关键技术方法。首先，他们招募了 15 名帕金森病患者和 16 名神经系统健康的对照者。在数据收集方面，使用了多种评估工具，包括临床评估量表（如 MDS - UPDRS、Montreal Cognitive Assessment、REM Sleep Behavior Disorder Screening Questionnaire、Hoehn and Yahr Stage）、患者自我报告日记（记录活动、症状、睡眠、用药时间等），同时还利用三种可穿戴设备（Empatica E4、Fitbit Sense 和 Oura ring）收集为期两周的数字数据。在数据分析阶段，整个过程分为三个主要步骤：准备阶段，评估设备特性、提取和预处理数据；处理阶段，对数据进行结构化和可视化处理、进行互相关分析、与日记数据对比以及计算正常运行时间；评估阶段，评估设备的可用性、易用性，并进行其他统计分析。

下面来看看具体的研究结果：

1. 参与者情况：研究开始时，共有 31 人参与筛选，最终 13 名帕金森病患者和 15 名非帕金森病参与者被纳入研究。帕金森病患者组的 Hoehn and Yahr 分期为 1.92 ± 0.26，处于疾病中等严重程度。
2. 设备和数据特征：研究人员发现，这三种设备的传感器数据并非都能相互比较。比如，Fitbit Sense 和 Oura 配备了 3 轴加速度计，但原始数据无法下载。基于传感器类型和可获取的信号，他们选择了心率（HR）和活动（MET 和 MOV）作为研究变量。HR 由三种设备以每分钟心跳数（bpm）的形式提供，而活动数据，Fitbit Sense 和 Oura 以 MET 分数表示，Empatica E4 则以 3 轴加速度（原始数据或聚合的 MOV）表示。
3. 信号相关性分析：结果显示，三种设备之间的相关性普遍较弱。Empatica E4 和 Fitbit Sense 的 HR 输出在归一化均方根误差（NRMSE）方面差异较小，但基于运动的 MET/MOV 差异高达 20%。皮尔逊系数在 0.42 - 0.63 之间，表明信号形状相似度低，即便是监测同一心血管系统，不同设备记录 HR 变化的时间也不一致。
4. 与自我报告的匹配度：手动标注的平均拟合分数表明，Fitbit Sense 在 HR 数据方面表现稍好，Empatica E4 在运动数据方面表现更优，Oura 的数据拟合分数总体最低。而且，MET 和 MOV 信号不够详细，难以评估运动症状报告，在评估运动症状时，震颤症状相对容易辨别，但运动障碍事件很难与日常活动区分开来。
5. 设备差异：在 HR 和 MET/MOV 方面，Empatica E4 与 Oura、Fitbit Sense 与 Oura 之间存在显著差异，PD 组中 Empatica E4 和 Fitbit Sense 的 HR 数据也有显著差异。
6. 可标注数据量：不同设备和数据流的可标注数据量不同，非 PD 组中 Empatica E4 的可标注数据量最多，PD 组中则是 Fitbit Sense 最多，Oura 的可标注数据量最少。
7. 可用性评估：系统可用性量表（SUS）评分显示，Fitbit Sense 的可用性评分为 70（1.1），表明可用性良好；Oura 为 60.62（1.28），处于 “尚可” 水平；Empatica E4 仅为 37.5（0.86），可用性较差，研究人员在使用 Empatica E4 时遇到了诸多困难，比如充电、清洁不便等。
8. 测量误差和挑战：Empatica E4 在设备被移除时，HR 信号会出现测量误差，数据上传也不稳定，还会给部分参与者带来皮肤不适；Oura 的 MET 分数和测量的 HR 数据在睡眠期间存在差异。

在讨论部分，研究人员指出，这三种可穿戴设备在数据输出、采样率、数据处理水平、易用性等方面存在差异。Oura 和 Fitbit Sense 相对耐用、防水，使用方便；Empatica E4 则较为笨重，使用起来不太方便。不过，不同类型的设备在测量不同指标时各有优势，研究级设备对研究运动症状有帮助，商业级设备则能追踪睡眠和日常活动的总体行为趋势。但目前三种设备都没有针对帕金森病症状的原生计算，这既为进一步开发评估工具提供了机会，也意味着需要投入更多的跨学科资源和研究精力。

另外，设备的电池续航能力、数据存储限制、设备放置位置等因素都会影响研究结果。例如，电池续航问题对于老年帕金森病患者来说是个挑战，他们可能难以自行充电；设备放置位置不同，对 HR 和活动数据的测量也会有影响。而且，三种设备在 HR 测量方面的差异较大，活动追踪方面 Oura 与其他两种设备差异明显，这都需要在后续研究中加以考虑。虽然商业设备的聚合数据可以追踪一些行为趋势，对临床实践有一定帮助，但获取原始数据仍然至关重要，这有助于开发新的评估指标和算法。

总的来说，这项研究全面评估了三种可穿戴设备在帕金森病研究中的实用性，明确了帕金森病研究中可穿戴设备应具备的关键特征，为未来可穿戴设备的改进和研究提供了重要参考。虽然目前这些设备还存在不足，但研究人员相信，未来的设备迭代有望解决这些问题，为帕金森病的研究和治疗带来更多的便利和突破。