综述：多囊卵巢综合征女性数字技术的可用性与使用情况：范围综述

《JMIR Medical Informatics》：Availability and Use of Digital Technology Among Women With Polycystic Ovary Syndrome: Scoping Review

这篇综述系统评价了数字技术（如移动应用、AI、社交媒体）在多囊卵巢综合征（PCOS）女性自我管理中的应用现状，指出当前技术虽在知识获取、症状追踪（如月经周期预测）和社交支持方面潜力显著，但存在信息可靠性不足（如Google搜索）、功能碎片化（仅41%应用涵盖综合管理）及数字健康鸿沟（如农村地区Wi-Fi限制）等挑战，未来需加强用户参与设计（UTAUT理论）并提升机器学习（准确率72.1%-90.4%）的临床适配性。

　　

背景

多囊卵巢综合征（PCOS）作为女性最常见的内分泌疾病，以高雄激素血症、排卵障碍和代谢异常为特征，显著增加心血管疾病和生殖癌症风险。患者需长期自我管理以改善症状，而数字技术（如智能手机应用、可穿戴设备）正成为慢性病管理的重要工具。

数字技术分类与功能

1. 移动应用（41%研究）：主流功能包括月经追踪（如Flo、Clue）、症状记录（如腹胀、高胆固醇）和生活方式干预（体重管理应用使87%使用者BMI降低）。但现有119款应用中仅16款专为PCOS设计，普遍缺乏不规则月经周期的适配算法。

2. 互联网平台：98%患者通过Google搜索症状，但信息过载且质量参差，仅30%内容经医疗专业人士审核。

3. 社交媒体：TikTok相关视频获180万次浏览，但45%含商业推广；Reddit因匿名讨论医疗体验更受青睐。

4. AI与机器学习：ChatGPT营养建议准确率高但可读性差；机器学习模型诊断PCOS准确率达82.5%，但免费应用预测波动大（72.1%-90.4%）。

关键挑战

• 性能预期落差：患者期望集成教育、数据追踪、医患互动的“一站式”应用，但现有技术功能分散（如HOPE PCOS未包含运动模块）。

• 数字健康不平等：农村地区因网络覆盖不足无法使用高价精准预测工具（如AI膳食推荐系统）。

• 信息可信度：社交媒体“PCOS网红”30%内容含营销导向，可能误导体像障碍患者。

未来方向

基于UTAUT理论，优化路径包括：

1. 协同设计：邀请患者参与开发（如AskPCOS应用改进排卵预测算法）；

2. 动态验证：建立医疗信息实时评分系统（如Twitter医师贡献内容标记机制）；

3. 文化适配：针对不同表型（如亚洲患者更关注胰岛素抵抗）开发模块化功能。

案例亮点

• 中国团队开发的微信干预使妊娠率提升20%；

• 荷兰SMS文本提醒使肥胖PCOS患者减重效果提升37%；

• 单病例研究显示AI个性化营养方案360天后腰围减少12cm。

结语

数字技术正在重塑PCOS管理范式，但需跨越“碎片化”陷阱，通过跨学科合作（如内分泌学+计算机科学）构建循证、包容的技术生态系统。