智东西4月27日消息，发表在全球医学顶刊《柳叶刀》上的一项研究表明，可穿戴设备在监测新冠肺炎感染领域的研究仍处于初期，尚未有较大进展。
在新冠肺炎疫情爆发的早期，智能手表厂商和可穿戴技术公司就想用心率和血氧等指标来提前标记这类人群。即使没有显著进展，但现有的研究仍表明，可穿戴设备仍然是追踪新冠肺炎症状的有效方法。
荷兰乌得勒支大学的研究人员检索了2020年至2021年7月27日之间发布的关于使用可穿戴设备识别新冠肺炎感染的研究文章和方案，识别和筛选了3196条记录后，研究人员分析了12篇文章和研究方案。
这些方案都试图从苹果Apple Watch、谷歌旗下的fitbit和美国智能运动手环Whoop的智能手表、手环、智能戒指等设备中，收集的用户健康数据中找到方法，其中，智能手表的相关研究较多。
本文的作者指出，这些研究中的大多数都集中在已经检测出新冠阳性的人身上，都不是严格的临床试验，现有的研究也没有充足的证据表明，可穿戴设备能更早地检测出新冠肺炎感染。
该论文将于5月1日在《柳叶刀》上开放存取，论文标题为The performance of wearable sensors in the detection of SARS-CoV-2 infection: a systematic review（《关于可穿戴设备在检测新冠肺炎感染中的性能：系统评价》）。
论文链接：https://doi.org/10.1016/S2589-7500(22)00019-X
一、研究论文都存在局限性，以确诊人群数据
12项研究中的研究团队都采用了不同的方法来判断可穿戴设备检测新冠肺炎感染的能力。
其中9项研究使用机器学习算法来识别生物数据检测新冠肺炎感染，包括异常检测自编码器、梯度增强分类器和深度卷积或门控循环单元神经网络。其余3项研究使用了统计分析，例如混合效应模型和Wilcoxon秩和检验。
另外，有9项研究建立了直接比较新冠肺炎阳性患者与健康患者的可穿戴数据或新冠肺炎阴性对照的模型。8项研究考虑了参与者从未感染到症状前再到有症状感染的基线参数变化。
▲使用可穿戴设备检测新冠肺炎阳性个体生理参数变化的部分研究
这篇评论文章中称，目前大多数研究都采用回顾性数据，样本量较小，并且大多数作者只关注新冠肺炎的症状，忽略了新冠症状与其他流感等疾病的生理差异。
虽然有充分的证据表明，体温变化、心率变异性和其他指标等生理信号会指向新冠感染，然而fitbit的研究主管Conor Heneghan去年告诉外媒The Verge，fitbit的研究发现流感数据与新冠肺炎数据之间存在重叠，"我的直觉是，很难明确地区分它们。"
研究发现，大多数从可穿戴数据中预测新冠肺炎的算法主要集中在有症状的疾病上。研究显示，从症状出现前14天到前1天，算法检测确诊前感染的能力差异很大，会呈现从20%到88%的趋势。"积累的证据表明，模型的准确性与其在症状出现前识别新冠肺炎感染的能力之间存在权衡。"该篇论文的作者在文中称。
