五步创造可诊断疾病发作的可穿戴设备

fitbit、Apple watch、智能手机应用程序和其他产品在消费者健康追踪方面已经无处不在。事实上，消费者技术协会(CTA)预计到2021年，健康和健身技术的总收入将达到130亿美元，比去年增长12%，智能手表的出货量将增长8%。随着这些技术量化和捕捉消费者的行为和生理，它们产生了大量的可穿戴设备和声纹数据。这些数据包含丰富的信息，可以早期发现糖尿病、哮喘和心脏病等疾病，以及帕金森症和肌萎缩性侧索硬化症(ALS)等罕见疾病。

可穿戴和声纹数据分析策略将使研究人员和卫生专业人员能够捕捉数据，确定感兴趣的趋势，并创建用于发现的算法和工具。采取适当步骤实施这一战略对它们的成功至关重要。

创建可穿戴和声纹数据分析策略

尽管消费者健康应用程序和设备可以为临床试验研究提供有价值的证据点，这些证据可以指示真实世界的患者行为，但开发者必须超越简单地向患者提供这些设备。可穿戴设备和声纹数据策略需要监控数据流，以灵活地决定何时利用和分析来自可穿戴设备的数据。通过遵循这五个关键步骤，研究人员可以创建有效的可穿戴设备和声纹数据策略，并就何时利用这些数据做出正确的决策。

1.对特定的患者群体进行长期研究

首先，研究人员需要确定一个基线患者群体，从中收集一段较长时间的数据。应该制定一个具体的标准来选择合适的患者群体进行研究。这将有助于为开发人员提供使常见健康趋势合法化所需的数据。

2.利用人工智能和机器学习(AI/ML)技术分析数据

可穿戴设备的增长，以及这些设备不断生成数据的事实，意味着有越来越多的证据需要处理和分析。采用AI/ML技术将帮助研究人员进行大规模分析，以发现与即将发生的健康事件相关的并行健康结果、趋势和标准。

3.通过ML算法识别趋势

开发人员应该训练ML算法，以便使用基线数据主动协助寻找潜在的健康事件。在训练ML算法时，开发人员应该考虑假阳性和假阴性的可能性，并找到支持数据来削弱这些错误的可能性，和/或提醒用户风险。

4.生成实时响应系统

一旦通过ML算法发现并验证了共同的趋势，实施实时响应系统将确保通知与这些见解最相关的各方，无论是患者、他们的医生还是临床研究人员。该警报系统将有助于采取下一步措施，采取预防行动，减少负面后果，并降低相关医疗成本。

5.决定何时使用可穿戴设备

可穿戴设备和声纹数据可以根据研究人员的目标逐案使用。例如，人体试验中的可穿戴设备和声纹可以提供关于患者病情的实时数据，以提供治疗影响和成功的证据，以及不良事件的早期预警。或者，在市场后使用可以 作为一个比较来证明现实世界的有效性。

开发人员还需要仔细分析可穿戴设备记录的数据，以便为正在研究的特定案例准确地训练算法。虽然 研究 虽然可穿戴设备已显示出对多种患者健康状况的临床影响和有效性，但可穿戴设备的数据是否可以推广到其他疾病仍不清楚，因此评估使用可穿戴设备的数据是否适合进行研究很重要。

预防不良事件

在完成可穿戴设备和声纹数据分析策略的初始分析步骤后，研究人员可以使用数据和经过训练的算法来进一步了解临床研究中患者的健康状况。数据发现对于预测潜在的不良事件和加速了解药物或设备是否在研究中的亚人群中起作用至关重要，以帮助向监管机构证明药物或设备的影响。最终，这些数据将影响治疗模式，命名不良事件的早期警告，并帮助研究人员找到对治疗有积极反应的亚人群。

通过可穿戴设备改善未来的健康状况

对调查人员来说，可穿戴设备和消费设备数据的可能性似乎无穷无尽。然而，对于研究人员来说，要确保他们记录的是正确的趋势，并减少误报和误报的风险，正确的数据策略来封装数据的含义是至关重要的。如果进行适当的分析和利用，这些数据将最终改善安全和健康结果，此外，还将服务于医学以患者为中心的更大追求。

Kal Chaudhuri是IQVIA Real World Solutions的AI/ML应用研发战略实践负责人