综述：利用移动健康可穿戴设备管理阿尔茨海默病患者的范围综述

这篇范围综述探讨了可穿戴设备在阿尔茨海默病（AD）和轻度认知障碍（MCI）诊断、治疗及监测中的潜力，涵盖智能手表、脑电图（EEG）设备等工具对患者活动、睡眠及认知功能的追踪，并指出其在早期干预和提升生活质量方面的价值，同时提出数据隐私、技术限制等挑战需未来研究突破。

　　

引言
阿尔茨海默病（AD）作为痴呆症的主要类型，全球患者数量预计2050年将超1.5亿，其中60–70%为AD病例^(p2)。其核心病理特征为脑内淀粉样蛋白β（Aβ）沉积，这一过程可在症状出现前20年启动^(p4,p5)。近年来，疾病修饰药物（DMD）如aducanumab、lecanemab及2024年获批的donanemab^(p6,p7)为治疗带来转机，但患者筛选依赖昂贵的淀粉样蛋白PET或脑脊液（CSF）检测，亟需更便捷的早期诊断手段。

移动健康与可穿戴设备的角色
移动健康（mHealth）通过智能设备实时采集健康数据，在资源有限地区尤具价值^(p14–p16)。可穿戴设备（如智能手表、EEG设备）可监测心率、睡眠等指标，为AD管理提供新思路。例如，通过分析运动量异常或睡眠紊乱，或可间接反映认知衰退趋势^(p18)。

研究焦点与挑战
本综述通过系统文献检索（PRISMA框架）筛选出16篇核心研究，揭示可穿戴设备在AD管理的三大应用方向：

1. 设备类型：包括健身追踪器、传感器等，多用于监测日常活动与生理指标；
2. 功能目标：早期风险预警、治疗反应评估及患者自主性提升；
3. 诊断潜力：未来或可整合Aβ生物标志物（如血液检测）实现无创筛查^(p12,p13)。

然而，数据隐私、设备依从性及技术标准化仍是主要瓶颈。例如，EEG设备虽能捕捉脑电异常，但舒适性影响长期佩戴^(p17)。

未来展望
结合AI算法与多模态数据（如PET与可穿戴数据的关联分析），可能突破现有诊断局限。此外，跨人群验证（如不同种族或病程阶段）是确保技术普适性的关键。正如作者所述：“可穿戴设备的真正价值在于将实验室指标转化为日常可操作的洞察。”

作者背景
第一作者Kenta Noda（日本名古屋市大学博士候选人）供职于Sysmex公司，专注体外诊断研发，其团队获多项科研资助（如21H00739），声明无利益冲突。