编辑推荐：
为改善慢性病患者生活质量、减轻全球健康负担，研究人员探讨 AI 在慢性病管理中的应用，发现机遇与挑战并存，强调跨学科合作意义重大。
《人工智能赋能慢性病精准管理：医工交叉视角下的突破与挑战》
在当今社会，慢性病已成为全球健康的重大挑战。世界卫生组织（WHO）指出，慢性病每年导致 4100 万人死亡，占总死亡人数的 74%，其中心血管疾病、癌症、慢性呼吸道疾病和糖尿病这四种主要慢性病，在 2021 年造成了 80% 的慢性病过早死亡。这不仅严重影响了患者的生活质量，还极大地消耗了医疗资源。传统的慢性病管理模式已难以满足需求，因此，寻找创新的管理方法迫在眉睫。
温州医科大学、南京医科大学、北京大学等学校的研究人员，开展了关于人工智能（AI）在慢性病精准管理中应用的研究。该研究成果发表在《iScience》上，为慢性病管理带来了新的思路和方向。
研究人员主要运用了以下关键技术方法：利用可穿戴设备和非接触式监测技术收集患者的生理和环境数据；借助机器学习、深度学习等 AI 算法对数据进行分析，以实现疾病的监测、预测和个性化护理方案的制定；构建基于 AI 的评估指标体系，对慢性病护理效果进行评价。
下面具体来看研究结果：
- 慢性病的监测与预警
- 可穿戴设备技术：可穿戴设备集成多种技术，能实时监测多种生理指标，如心率、血氧饱和度等，在多种慢性病监测中广泛应用。但它存在不少问题，像传感器易受多种因素影响导致数据测量误差，设备体积大、佩戴不舒适，影响患者长期使用，且数据准确性参差不齐，可能引发误诊 。此外，其在数据安全、算法透明性等方面也存在隐患，部分商业设备还缺乏严格医学验证。
- 非接触式监测技术：非接触式监测技术可实现连续跟踪，舒适度较高。例如雷达传感器可用于监测特定人群的呼吸频率，还有技术能通过面部图像、多普勒雷达等进行血压预测。不过，该技术也面临挑战，如呼吸频率测量易受干扰，部分血压监测技术仅在正常血压人群中得到验证，在不同环境和身体活动时的监测可靠性有待检验。
- 慢性病的精准护理
- AI 驱动的以用户为中心的护理：随着 “互联网 +” 在护理领域的发展，AI 越来越多地用于个性化护理，像提供饮食、运动建议，辅助药物管理等。但目前一些相关应用存在局限性，如部分应用功能单一，缺乏对更多生活因素的监测，推荐的可信度和有效性也有待验证，而且在推广过程中面临组织层面的阻碍，以及资金和资源的限制。
- 人机交互优化：通过优化人机交互，整合多种技术，能够为慢性病患者提供个性化健康服务。例如，利用数字孪生模型、AI 驱动的聊天机器人等，但这些技术也存在不足，如聊天机器人缺乏全面技术描述和安全考量，语音对话代理（VCA）缺乏实施框架，其有效性和可扩展性还需长期研究验证。
- 慢性病精准管理的智能护理产品：医工融合催生了智能护理产品，如压疮预防装置、智能护理机器人床和智能康复工具等。压疮预防装置可监测皮肤压力、保护皮肤；智能护理机器人床能实现多体位调整、辅助患者移动；智能康复工具借助虚拟现实（VR）技术，可实时反馈和纠正患者姿势 。然而，智能护理产品的广泛应用面临技术和人为因素的阻碍，包括设备的便携性、适用性，用户接受度，护士培训，以及隐私、责任等问题。
- 慢性病精准护理的评估
- 评估指标体系的构建：传统评估指标体系存在不足，基于语言建模和 AI 构建的评估指标体系更为高效智能，能处理大量非结构化数据，构建更个性化的指标体系，涵盖生理健康、心理健康、生活方式等多方面指标。
- AI 驱动的评估指标体系：借助大数据和深度学习等技术，AI 驱动的评估指标体系可对不同渠道的数据进行处理分析，提高评估的全面性和灵活性。不过，目前这些体系大多未经过大规模、多中心验证，在实际应用中面临数据质量、量化指标困难、个性化差异等挑战。
研究结论与讨论部分强调，AI 与医疗行业的融合为慢性病精准管理带来了变革，推动其从通用化向个性化转变。但这一融合也面临诸多挑战，如技术推广阻力、临床适用性受限、患者情感需求难以满足、数据准确性和隐私问题，以及与临床实践融合困难等。跨学科合作是克服这些障碍、充分发挥 AI 潜力的关键。研究人员建议建立跨学科交流平台，组建跨学科团队开展合作研究，并推动政策改革，制定更完善的法规和伦理审查机制，确保 AI 技术的发展和应用符合伦理原则。这将有助于推动 AI 技术在医疗领域的广泛应用，为慢性病患者提供更精准、高质量的护理服务。
