人工智能与计算机视觉赋能的患者自主伤口监测：一项非随机单臂可行性研究

慢性伤口影响全球1%-2%人口，亟需创新监测方案。加拿大研究团队开发患者端AI伤口管理应用Patient Connect，通过28例慢性伤口患者3个月随访验证，实现80%中位伤口闭合率，图像提交间隔缩短至8天。该研究证实AI+CV技术可提升远程伤口监测可行性，为优化临床工作流和降低医疗成本提供新范式。

　　

慢性伤口如同沉默的健康"黑洞"，全球每100人中就有1-2人深陷其困扰。这些难以愈合的创面不仅带来持续疼痛和行动受限，更可能引发感染、截肢甚至死亡。传统伤口管理依赖频繁的医院复诊，但患者往返的交通成本、时间消耗成为沉重负担，而间断的监测又可能错过最佳干预时机。在这个智能手机普及率达85%的时代，能否让患者自己成为伤口监测的"第一哨兵"？加拿大Swift Medical Inc的研究团队给出了创新答案。

这项发表在《Journal of Participatory Medicine》的研究，开发了名为Patient Connect的患者端AI应用。该应用通过计算机视觉(CV)技术，将智能手机变身专业伤口扫描仪——自动对焦测量伤口尺寸，加密传输数据至医疗团队。研究团队在蒙特利尔犹太总医院等两家机构招募28例慢性伤口患者，涵盖糖尿病足溃疡(DFU)、静脉性溃疡(VLU)、压力性损伤(PI)等类型，进行为期3个月的单臂可行性测试。

关键技术包括：1) 基于iOS系统的AI图像分析平台，实现伤口尺寸自动测算；2) 双重身份验证的加密数据传输；3) 患者端简化界面与临床端专业评估系统的协同设计。特别值得注意的是，研究采用真实世界证据(RWE)收集模式，不干预患者既有的伤口护理方案，仅通过APP使用数据评估可行性。

患者特征与使用模式
队列中52%为糖尿病足溃疡患者，伤口面积中位数3.71 cm²（范围0.48-27.91）。患者平均每8天提交1次伤口图像，中位随访期间累计提交13张/人。令人惊喜的是，这种"患者自拍"模式的图像质量足以支持临床决策，且未报告任何数据泄露事件。

临床效果与经济价值
所有伤口的中位闭合率达80%（范围15-100%）。按每次图像提交替代1次门诊计算，预计为28名患者节省3,931-7,862美元交通费。若推广至1000用户，年节约成本可达28万美元。更关键的是，患者通过可视化伤口变化增强了治疗信心，有位糖尿病足患者甚至主动提交39张跟踪图像。

用户体验洞见
虽然82%患者认为APP提升了治疗参与感，但也暴露出三大挑战：身体柔韧性差的老年患者难以拍摄骶尾部伤口；环境光线影响AI分析精度；部分用户出现"监测疲劳"。这提示未来需整合护理人员协助拍摄功能，并开发智能补光指引。

讨论部分指出，这是首个验证患者自摄伤口图像AI分析可行性的临床研究。相比传统短信传图方式，该APP的加密架构解决了90%患者的隐私顾虑。AutoDepth和SmartTissue等创新算法未来可实现对伤口深度、组织类型的自动识别，但需在更大样本中验证。

这项研究的突破性在于将"被动患者"转化为"主动监测者"，构建了数字医疗时代的医患协作新范式。正如研究者所言："当患者能亲眼见证伤口毫米级的愈合进展时，治疗依从性不再是个难题。"该技术尤其适合医疗资源匮乏地区，其成功实施为慢性病远程管理提供了可复制的技术框架。下一步需开展多中心RCT研究，量化其对愈合速度、感染率等硬终点的改善程度。