在過去十年中，用于測量個人生理機能的醫(yī)療級和消費級可穿戴設備的使用激增。監(jiān)控我們自己的活動和健康的能力比以往任何時候都更容易獲得。
雖然這些設備在生物醫(yī)學研究中的應用主要限于心臟病學，但一項新研究表明，使用可穿戴電子胸貼結合機器學習和人工智能的進步如何有助于開發(fā)雷特綜合征的新療法，以及許多其他健康狀況。
Gari Clifford 博士及其在埃默里大學和佐治亞理工學院的研究團隊在 PLOSOne上發(fā)表文章，使用 MC10 Biostamp 貼片分析雷特綜合征患者的運動和心臟活動。
Rett 綜合征是一種罕見的遺傳性神經發(fā)育障礙，其特征是嚴重損傷，影響一個人正常說話、行走、進食和呼吸的能力。目前無法治愈 Rett 綜合征，并且缺乏直接檢測患者癥狀和疾病進展的客觀模式的能力。
在研究期間，可穿戴貼片監(jiān)測研究參與者的心臟活動和運動。在連續(xù) 48 小時內收集的數(shù)據隨后被用于開發(fā)機器學習算法，該算法確定了 Rett 綜合征嚴重程度特有的生理和運動模式。特別是，Clifford 和他的團隊發(fā)現(xiàn)了運動和心率的三種特定模式(以及它們如何相互影響)，使他們能夠準確地區(qū)分癥狀嚴重程度高低的個體。
這導致了一個系統(tǒng)，該系統(tǒng)有可能根據他們的運動和心臟活動客觀地對整個人群的癥狀嚴重程度進行分級。這些數(shù)據對在未來的臨床試驗中改善 Rett 綜合征患者治療選擇的努力具有重要意義。
當前衡量治療效果的選項依賴于臨床醫(yī)生或家長完成的問卷調查。從心臟和運動活動中得出的與患者整體嚴重程度相匹配的生理指標可能是一個重要的生物標志物，它表明治療是否有助于以后的其他癥狀，如交流和活動能力。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！