使用机器学习与可穿戴设备推进研究和患者护理使用脊髓损伤作为模型
Andrew D Delgado1, Shane J T Balthazaar2, Alexandra E Soltesz3
1Mount Sinai Department of Population Health Science and Policy, Institute for Transformative Clinical Trials, Center for Biostatistics, New York, NY.
Archives of physical medicine and rehabilitation
|October 12, 2025
概括
可穿戴设备和机器学习提供个性化的健康见解,但需要仔细整合到临床研究中,特别是对于脊髓损伤患者. 提出了一个框架,用于负责任的开发和部署这些技术在康复.
科学领域:
- 生物医学工程 生物医学工程
- 临床信息学 临床信息学
- 康复科学 康复科学 康复科学
背景情况:
- 可穿戴设备 (WD) 和机器学习 (ML) 正在推动临床环境之外的个性化健康监测.
- 对于具有复杂生理学的群体,如脊髓损伤 (SCI),整合挑战仍然存在.
- 目前的工具在SCI中与自主和睡眠功能障碍监测作斗争.
研究的目的:
- 争辩 WD / ML 能力与生理学相关性,分析严谨性和临床背景保持一致.
- 为了突出目前用于SCI的可穿戴数据解释的局限性.
- 为负责任的WD-ML系统设计和部署在康复中提出一个框架.
主要方法:
- 分析SCI研究当前WD/ML局限性的展望作品.
- 用SCI的案例来说明挑战.
- 开发用于WD-ML集成的概念框架.
主要成果:
- 目前的可穿戴数据在捕捉自主/睡眠功能障碍方面存在挑战,需要定制的ML.
- 高频数据的解释是复杂的,因为个体的变化和噪声.
- 提出了一个框架,以解决数据质量,偏见,可解释性,隐私和临床相关性.
结论:
- 实现WD和ML在康复中的潜力需要跨学科的合作和批判性参与.
- 一个概念框架指导负责任的WD-ML系统设计,解释和部署.
- 通过技术创新确保公平,可采取行动和以患者为中心的护理至关重要.
