Adv. Sci. 综述 | AI赋能的可穿戴系统用于疾病早期诊断
早期疾病检测,特别是 Point-Of-Care (POC) 可穿戴,在推进医疗保健服务和精准医疗方面发挥着关键作用。疾病早期诊断的公共利益不仅包含大大降低疾病治疗的经济负担,还包括降低合并症风险。技术进步使POC生物标志物识别成为可能,同时用于生物标志物检测的 POC 可穿戴设备与智能框架的集成代表了突破性的创新,可实现操作自动化、进行先进的大规模数据分析、生成预测模型以及促进远程和指导性临床决策。这些进步大大减轻了社会经济负担,创造了诊断的范式转变,并彻底改变了医学评估和技术发展。
7月3日,Advanced Science在线报道了综述文章,讨论的主题包括:1)用于早期疾病检测和生理监测的POC系统和可穿戴解决方案; 2)讨论在临床环境中采用智能技术和开发生物检测技术的当前趋势;3)探索POC系统和智能平台在生物标志物发现中的效用。此外,该综述文章还探讨了从实验室到更广泛应用的技术转化。同时文章还讨论了诊断系统中广泛集成人工智能 (AI) 的相关风险、偏见和挑战,同时系统地概述了潜在的前景、当前的挑战和机遇。
引言
疾病早期诊断的重要性
在任何医疗保健系统中,及时准确地诊断健康状况在有效的疾病管理、监测疾病进展以及减轻疾病的经济、心理和社会压力方面都起着关键作用。因此,及早发现健康状况非常重要,因为它会极大地影响后续的治疗计划,并最大可能解决问题。在过去几十年中,精准医疗、先进诊断和增强医疗干预领域的绝大多数最新进展都与疾病特异性“生物标志物”的检测有关,这些进展导致存活率显着提高和预期寿命延长。
在过去的几十年里,工程、生物学、化学和医学领域的技术突破融合,通过发明最先进的设备和实验室技术,改变了疾病诊断,比以往任何时候都更可靠和更精确的生物标志物检测。Point-Of-Care等近患者诊断解决方案包括 (POC) 平台、可穿戴系统、及智能技术。尽管这些创新技术在实际临床应用中处于早期阶段,但在重新定义早期疾病管理的标准临床实践方面具有巨大的前景。
生物标志物检测和鉴定平台的示意图。用于检测各种生物标志物的系统以接近患者的形式、在临床环境中患者在场的情况下或通过其他方法(例如通过可穿戴系统的生理监测)进行疾病诊断。智能隐形眼镜、心脏起搏器、汗贴和数字手表等可穿戴平台提供了对生理状况和个人健康状况的有效信息。用于床旁或患者附近应用的生物标志物检测和识别平台用于评估患者生物样本的生物组成和检测特定的生物标志物,或用于医学成像或医学信号分析。这些系统与人工智能(AI)集成,可用于生物标志物识别和表征领域的各种目的。包括疾病的早期检测和用于远程评估个人健康状况的即时护理 (POC) 应用程序,由患者在临床环境之外进行测试,进行生物分子检测和生物样本分析的生物测定,基于人工智能的自动图像/信号分析,用于生物样本生物成分分析的组学,以及进行生物标志物发现的临床研究领域。
POC与可穿戴系统的最新进展
在过去的十年中,可穿戴、植入式和连续监测技术取得了进步,能够收集和分析纵向模式,而不是孤立的生物标志物值。这对于跟踪慢性疾病和整体健康状况非常有益。
可穿戴系统和 POCT 图。可穿戴技术平台目前正在进行广泛研究,因为它们能够检测各种生物流体中的生物标志物,以便患者进行POCT和现场操作。这包括使用可穿戴的汗液收集/检测贴片进行汗液分析,用于间质液 (ISF) 分析的真皮贴剂,用于唾液分析的口腔可穿戴设备、用于泪液分析的智能隐形眼镜和用于生理监测的智能手表系统。这些平台采用的检测方法包括电化学、比色法和光学转导,以及各种读出模块,如恒电位仪系统或光学光强度检测,所有这些技术都能实现小型化 POCT。这些即时护理解决方案在微纳加工技术、与智能系统集成的潜力以及通过多路复用检测一组生物标志物的适用性方面具有多功能性。
智能技术和可穿戴POC
由于生物流体采样技术的改进、柔性材料的集成、无线电器技术的进步以及可穿戴系统中传感平台的改进,商业化和从实验室到市场/临床转化的巨大潜力显而易见的。它们能够检测多种标志物,还可以通过多路复用更准确地评估疾病状态和生理状况。这些领域的进步显著提高了它们的可靠性、分析物监测能力和可穿戴性。在提高性能方面尚待解决的挑战,这些挑战包括引入和采用新型生物相容性材料、可靠和小型化的电源、高能量密度和长寿命,以及发明先进的无线数据传输系统。
诊断中的人工智能系统和方法
人工智能在疾病检测技术中的作用。人工智能系统被广泛用于医疗信号和医学图像的分析,以及生物测定和POC平台的设计和分析。使用 AI 解决方案(如 ML 和 DL 方法)分析系统的方法涉及数据预处理、标记、选择适当的参数、数据分类、选择适当的架构、训练模型以及测试和验证。
分析医疗数据一直是临床领域持续面临的挑战之一,人工智能在其中发挥着重要作用。无论是成像方式还是脑电图等医疗信号,心电图或肌电图(EMG),人工智能可用于增强结果的处理和数据解释,使决策过程自动化。
通过临床和医疗数据、电子健康记录和医学图书馆进行人工智能和疾病检测。该分析涉及检查医学图像,例如计算机断层扫描 (CT) 扫描,例如用于胸主动脉的基于 ML 的检查,例如,磁共振成像 (MRI) 用于确定肺部疾病,超声,或光学相干断层扫描 (OCT) 成像。医疗信号,包括脑电图,心电图(ECG),或肌电图 (EMG)也可以用作 AI 算法的输入。评估电子医疗健康记录,例如医生数据、医院治疗记录、生物识别数据、论文、患者信息和保险信息,以及包括癌症成像档案 (TCIA) 在内的医学图书馆,重症监护医疗信息市场(MIMIC-III)数据集,Physionet EEG运动/影像数据集,和 DEAP:使用生理信号进行情绪分析的数据库,用于基于人工智能的疾病检测和预测。
利用 POC 系统和可穿戴平台发现生物标志物。从临床研究中用于生物标志物发现的传统生物分子和生物成分分析方法(如组学方法、LC-MS 或 ELISA)开始,POC 生物标志物检测系统可以以高通量形式使用,远程分析生物样本或医学图像/数据以提取模式并发现新的特征/标记物。人工智能方法可以通过分析从多个来源(包括可穿戴系统、医疗数据、医学图像、医疗信号和多路复用 POCT 系统)收集的数据,然后利用相关性和关联性,在引入可靠的疾病特异性生物标志物方面发挥关键作用。
结论与展望
本文讨论了可穿戴POC平台和诊断解决方案领域的最新技术进展。展示了体外诊断的当前发展趋势及其与智能技术的整合,以及使用数字数据和人工智能进行疾病检测和生物测定操作,以及生物标志物发现的进展。
虽然现在研究者们仍在不断努力广泛使用与人工智能解决方案集成的 POC 系统和可穿戴平台,但商业化的例子和实施的监管工作都表明,我们距离目睹此类技术融入患者的日常生活不远了。当然这一过程不仅需要跨学科的努力来开发精准医疗技术,还需要将其转化为并确保其在患者或临床使用中的可靠性。随着该领域的越来越多的进步,获取的数据也可以用作反馈系统,以增强人工智能系统的功能和准确性。总而言之,这些技术无疑将被视为诊断和治疗领域的飞跃,除了早期疾病检测和健康状况监测外,还为进一步表征疾病、提高治疗和药物的疗效提供巨大的研究机会。
编辑 | 罗虎
来源 | Advanced Science
审核 | 医工学人