可穿戴设备在医疗领域中的应用发展

贾震宇,王维,王琛,徐卫东

第二军医大学长海医院 关节骨科,上海 200433

[摘 要]可穿戴设备是医疗领域用于实施监测患者健康状况的一项重要措施,在健康监护、安全监测、家庭康复、疗效评测、疾病早期发现等领域有着重要的作用。可穿戴设备由传感单元、通信单元和处理单元3个单元组成。微电子学、材料科学及无线通信技术的快速发展,使得可穿戴设备得到了广泛的运用。本文主要从健康监护、安全监测、家庭康复、疗效评价、疾病早期发现几个方面对可穿戴设备在医疗领域中的应用发展现状进行了总结,并提出了其在传感器敏感性、电池容量、数据采集处理效率、数据传输可信度、兼容性、带宽等方面存在的问题,对未来的发展进行了总结展望。

[关键词]可穿戴设备;体域网;无线通讯技术;传感器;慢性阻塞性肺疾病

引言

可穿戴设备能从不同领域改变人的生活方式,例如卫生保健、抗震抢险、工业自动化、旅行休闲等。根据美国人口咨询局数据显示,预计到2030年亚洲65岁以上人口将达到总人口数的12%。针对人口老龄化的问题,如何在减轻医疗保健负担的同时提供优质的医疗服务,将是我国医疗机构一个重要课题。便携式移动医疗监测设备用于老年人的健康监护将是一个重要的发展方向。

体域网(Body Sensor Network,BSN)通过生命体征监测、药物监测、医疗数据传输、紧急情况警报等功能,为老年人及慢性病患者及时处理突发情况,能够有效降低突发事件死亡率。例如,对患有认知障碍型疾病(阿尔兹海默症、帕金森综合症等)的患者提供包括生理信号参数、运动参数、环境参数等的持续性监测,以确定患者的健康状态。目前医院常用的监测设备,导线和电缆限制了患者的活动范围,同时可能会引起患者皮肤刺激,甚至感染。相比较传统的传感监测设备,体域网有更大的优势。

1 关键技术

用于远程监测患者的可穿戴系统包括3个基本单元:① 传感单元:用于接收生理数据和体力活动信号;② 通信单元:将数据传递至远方终端的软件、硬件;③ 处理单元:对收集的原始数据进行分析处理。研究人员致力于在上述单元改进技术,使得生命体征监测技术能够远程实时监测,不再局限于医疗机构,能是够运用于社区、家庭。

传感单元的微型化以及微电子电路是可穿戴系统重要的技术条件。传统的传感设备运用硬件储存收集生理信号和活动信号,不适合应用于长期实时监测。微电子学使得研究人员可以设计出微型电路,可满足传感功能、前端放大功能、微控制功能以及数据传输功能。快速发展的微机电系统可以将微型的惯性传感器应用于运动及相关领域的健康监测系统中。例如,一项研究用一款全新概念鼠标AirMouse作为活动检测器(内置微机电系统的角速度传感器),以激励并监测智力低下的肥胖儿童进行步行锻炼 [1]。同时,材料科学的进步使得电子织物可以应用于可穿戴传感系统,电子织物可将传统衣物和传感设备整合为一体。例如,心电信号、肌电信号通过编织电极传递至覆盖有可传导性的弹力物质的织物上 [2]

完整的可穿戴设备需要由多种传感器构建成传感器网络,并且与远程设备关联。现代的无线通讯技术使得传感器网络更加可靠便捷。早期的可穿戴设备组网是利用导线将各种穿戴式传感器连接至终端,并组建成BSN。这种传统的组网方式既不利于长期的健康监测,也不符合便携的要求。无线通讯技术将各类传感器整合为一体的无线传感网,但该技术通常需要满足3个条件:低成本、硬件微型化以及低功耗。IEEE 802.15.4/ZigBee、蓝牙、Wi-Fi等无线通讯技术的快速发展,可以使得BSN在满足低成本、低能耗的要求下,有高速的传输率,同时还能保证传输数据的准确性。大多数的可穿戴设备需要将数据收集后传输至远程的医院系统服务器用于随访调查或临床数据分析。收集的数据通过一定的数据分析技术,例如,信号处理、模式识别、数据挖掘以及阈值警告等,使得患者的基本健康状况能够被实时的观察及监测。

2 可穿戴设备在医疗领域的应用

可穿戴设备在卫生医疗领域主要应用于健康监护、安全监测、家庭康复、疗效评测、疾病早期发现5个方面。

2.1 健康监护

随着人口老龄化及医疗花费升高等问题的日益严重,越来越多的研究致力于通过可穿戴式设备远程实时监测老年人以及慢性病患者的日常健康状况,并能够及时的进行临床干预,处理危险情况。

监测老年人及慢性患者的日常活动有着重要的意义,国内外多向研究致力于评测可穿戴设备监测日常活动的准确度。Mathie等 [3]初步研究了利用三维加速度传感器在无人照顾的家庭环境下监测老年人日常活动的可行性,可识别出步行、站姿、坐姿、卧姿4种运动状态,每日平均可监测11.2 h。一项名为BASUMA的项目运用无线体域网监测患者的心电图、血氧饱和度、肺音等生理信号,以改善慢性阻塞性肺疾病的治疗效果以及乳腺癌化疗的疗效 [4]。2012年,Emken等 [5]设立了KNOWME项目,对肥胖儿童的体力活动、心率进行实时监测,利用蓝牙组网,手机作为移动数据接收终端。结果表明,监测指标的准确率为84%,对跑步状态的辨识度最高(96%),但对静止不动和坐立不安的儿童分辨度低。此研究被用于监测肥胖儿童是否满足每日运动指标。

2.2 安全监测

目前多项研究旨在利用可穿戴设备用于救援队,监测救援人员的情况,及时传递警告信息。运用简易的应急反应设备(例如设有按钮的手表),按下按钮,即可通过无线网络将警报信息发送给远程急救中心。2014年,Huang等 [6]设计了一款利用ZigBee通信技术的及时发现老年人室内摔倒的系统,可以对摔倒的老年人进行定位并迅速与医疗人员建立联系实施救治。另一项最新研究同样应用无线可穿戴设备,能够发现老人的意外摔倒并及时通知医疗机构,以确保摔倒老人能够得到及时的救治 [7]

2.3 家庭康复

可穿戴设备另一广泛运用是协助患者在家庭环境下进行康复训练。汉诺威医学院的Tilman等利用三轴加速度传感器、角速度传感器、磁力计组成一个传感器单元,分别置于腰骶关节、大腿前外侧、膝关节下20 cm处,利用蓝牙将原始数据实时传递给台式机,再利用软件将数据进行储存、同步及处理。整个系统可实时监测4 h,可计算出步速、步律、步长、运动中膝关节可活动的最大角度等,为全膝置换术后患者的膝关节康复训练提供实时的帮助 [8]

除了监测活动以外,可穿戴设备借助交互式游戏平台以及虚拟现实(Vitual Reality,VR)环境协助患者康复。类似可以通过VR模拟的动作都可以通过远程康复系统在家中进行系统性锻炼。相比较传统的康复模式,借助VR和可穿戴设备进行康复锻炼,更加安全、有效。自2010年以来,有13项研究利用虚拟现实技术和可穿戴设备监测脑卒中后存在半侧空间忽视(Unilateral Spatial Neglect,USN)的患者的活动,并协助进行康复训练 [9]。通过对现实环境的模拟,以一种安全可控的方式,给患者神经康复提供帮助。例如,Kim等 [10]在2010年运用一项三维模拟设备模拟出患者过十字路口的情景,以评价脑卒中患者是否存在USN。2011年,他将24名USN患者分为两组,一组利用与电脑连接的手套完成指定动作,一组接受常规的康复训练,比较两组患者康复情况,结果两组无显著差异 [11]

2.4 疗效评测

当患者两次随访之间的情况可以被监测时,治疗方案可以对个人进行针对性的调整 [12]。同样的,可穿戴设备也可以应用临床随机对照试验中。通过准确的客观的方式对患者的症状进行采集,可以减少观察患者的数量,缩短药物使用的疗程,更有效的评测新药的疗效。

例如,对于帕金森患者,如果能够详细准确的收集有关患者自身对药物吸收后所产生症状变化的信息,精确的控制药物剂量,将显著改善患者的生活质量。但由于患者的症状在数小时内波动很大,而且不易被及时发现(发作时间通常小于30 min),如何控制药物剂量是一个问题。运用穿戴式传感设备可以用于监测帕金森患者的症状,帮助医生调整药物剂量和测试新药疗效。Manson等 [13]将三维加速传感器置于帕金森患者的肩部,用于监控帕金森患者运动障碍的严重程度。Thielgen等 [14]利用传感器自动确定帕金森患者静止性震颤的严重程度。有研究验证了步态障碍与运动评分之间的关联,利用置于患者后背部的二维加速传感器监测步态的状态、步频、步律以及步行的对称性 [15]。通过对患者症状的观察评分,以判断药物的种类、剂量的使用效果。

2.5 疾病早期发现

将可穿戴设备用于疾病早期筛查逐渐引起人们的注意。在这个领域较早运用的是筛查慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease,COPD)。对于COPD患者,能够早期发现疾病进展表现有利于控制疾病。COPD进展主要表现为呼吸困难加重、咳嗽,痰液量和性质的改变,这些改变主要是呼吸道的功能性损坏所造成的。可穿戴设备能够及时发现患者病情进展情况,防止病情进一步的恶化。通过观测患者活动评级的改变以监测COPD的进展。Atallah等 [16]研发了一种套在耳上的传感器,可以通过复杂的计算机算法监测COPD患者体力活动的水平。Steel等 [17]发现利用三维加速传感器测得COPD患者的实时活动情况与目前使用的其他测量方式(6 min步行距离,1 s内用力肺活量,健康相关的评测量表)有关联性。

另一个应用比较广泛的领域是早期发现痴呆。痴呆指的是一系列认知功能的损伤。Haiying等研发了一种远程监测系统(包括红外传感器、床压传感器等),用于分析早期痴呆患者的睡眠模式。通过监测患者睡眠的质量、时长、节律等,确定患者认知损伤的程度,与正常对照组相比,轻度痴呆患者的睡眠质量更低。Jimison等 [18]利用简单的传感监测系统设计了一款标准化的电脑游戏可以用于早期发现痴呆。

3 问题与挑战

传感器的技术革新、低能耗集成电路的出现以及无线通讯技术的成熟使得低功耗、体积小、重量轻、智能的生理信号传感器的设计运用成为可能。这些传感器节点可以感应、处理一种或多种生命体征信号,并传输到BSN,以监测使用者的健康状况。这些BSN以一种经济的、无创的、持续的、非固定的医疗监测模式实时更新医疗数据并通过Internet传输至医疗机构,这是一种新的革命性的医疗模式改变。尽管对于这个课题有大量的研究正在进行,仍然存在许多技术障碍需要克服。

3.1 传感器敏感性

当使用者在一些特殊环境下使用可穿戴设备时(如火灾状况下),传感器的敏感性可能会受到影响。例如,汗水可能会影响到生理信号的传输,从而导致可穿戴设备敏感性降低或者使得传感器重新校准。Gietzelt等 [19]设计了一套能够自主校正的算法应用于三维加速度传感器。更准确的自我校正及增强敏感性的算法仍然需要被开发和试验。

3.2 电池容量

可穿戴设备的功耗被认为是可穿戴设备最为关键、亟需解决的问题和挑战之一。在室内,例如在医院或是在家,备用电池是一个弥补的办法。但是,更换电池对于老年人来说是不方便的。另一种方法是设计出低功耗的传感器以解决这个问题,这依赖于新的技术革新。太阳能电池并不适用于可穿戴设备,因为设备不能经常在暴露太阳光下。目前,利用人的运动及体温以产生能量的技术是研究的方向之一 [20-21]

3.3 数据采集处理效率

虽然大多数可穿戴设备的数据采集的速率都很高,但开发高效的数据处理技术仍是一项重要的课题。例如,一些运用简易三导联监测心电图的设备无法及时有效的发现心脏疾病。三维加速度传感器不具备迅速准确区分使用者运动状态的能力。实时的生理数据采集及分析技术是不可或缺的。除此以外,定时标记、时间排序及不同传感器之间的同步化也都是研究面临的重要挑战。

3.4 数据传输可信度

低传输功率及无线传感设备的微型传输装置可能会降低信噪比,进而导致更高的误码率,更小的可靠覆盖范围。对于医疗监测设备而言,可靠的数据传输非常重要。Marinkovic等 [22]设计了一款适用于时分多址协议的网络编码方案,此方案可以进行有效的错误恢复,使得数据传输更加可靠。如何在增加传输可信度的同时,保持低功耗也是一个重要课题。

3.5 兼容性

多种传感设备传输数据的频率不同导致了可穿戴设备兼容性不好的问题。不同设备间的通讯方式采用不同的波段和协议,可能会引起相互之间的干扰,尤其是处于科学和医学波段时。因此,可穿戴设备必须解决各装置间的兼容性问题才能得到更好的发展。

3.6 带宽问题

可穿戴设备的可用带宽通常较低。新型的传感器节点可以在250 Kbps的带宽下运行。但当有大数据量需要传输时,例如诊断的影像学数据,传输能力需要达到Mbit/s的层级,现在的带宽是无法满足标准的。因此,采取有效的压缩算法用于处理多媒体数据是必要的 [23-25]

4 结论与展望

目前,已经有一系列的可穿戴设备系统应用于健康监护、安全监测、家庭康复、疗效评测、疾病早期发现等领域,向老年人、儿童、慢性病患者、从事危险工作的人员提供安全保障。随着可穿戴设备随着核心技术的进一步发展,未来将会在医疗领域有更大的应用。

[参考文献]

[1] Chang CJ,Chang ML,Shih CH.Encouraging overweight students with intellectual disability to actively perform walking activity using an air mouse combined with preferred stimulation[J].Res Dev Disabil,2016,55:37-43.

[2] Alkhidir T,Sluzek A,Yapici MK.Simple method for adaptive filtering of motion artifacts in E-textile wearable ECG sensors[J].Conf Proc IEEE Eng Med Biol Soc,2015,2015:3807-3810.

[3] Mathie MJ,Coster AC,Lovell NH,et al.A pilot study of longterm monitoring of human movements in the home using accelerometry[J].J Telemed Telecare,2004,10(3):144-151.

[4] Aquino-Santos R,Martinez-Castro D,Edwards-Block A,et al.Wireless sensor networks for ambient assisted living[J]. Sensors (Basel),2013,13(12):16384-16405.

[5] Emken BA,Li M,Thatte G,et al.Recognition of physical activities in overweight Hispanic youth using KNOWME Networks[J].J Phys Act Health,2012,9(3):432-441.

[6] Huang CN,Chan CT.A ZigBee-based location-aware fall detection system for improving elderly telecare[J].Int J Environ Res Public Health,2014,11(4):4233-4248.

[7] Xia Y,Wu Y,Zhang B,et al.Wireless Falling Detection System Based on Community[J].J Nanosci Nanotechnol, 2015,15(6):4367-4372.

[8] Calliess T,Bocklage R,Karkosch R,et al.Clinical evaluation of a mobile sensor-based gait analysis method for outcome measurement after knee arthroplasty[J].Sensors (Basel),2014,14(9):15953-15964.

[9] Pedroli E,Serino S,Cipresso P,et al.Assessment and rehabilitation of neglect using virtual reality: a systematic review[J].Front Behav Neurosci,2015,9:226.

[10] Kim DY,Ku J,Chang WH,et al.Assessment of poststroke extrapersonal neglect using a three-dimensional immersive virtual street crossing program[J].Acta Neurol Scand,2010,121(3):171-177.

[11] Kim YM,Chun MH,Yun GJ,et al.The effect of virtual reality training on unilateral spatial neglect in stroke patients[J].Ann Rehabil Med,2011,35(3):309-315.

[12] Vincent C,Deaudelin I,Robichaud L,et al.Rehabilitation needs for older adults with stroke living at home: perceptions of four populations[J].BMC Geriatr,2007,13(7):20.

[13] Manson AJ,Brown P,O’Sullivan JD,et al.An ambulatory dyskinesia monitor[J].J Neurol Neurosurg Psychiatry,2000,68(2): 196-201.

[14] Thielgen T,Foerster F,Fuchs G,et al.Tremor in Parkinson’s disease: 24-hr monitoring with calibrated accelerometry[J]. Electromyogr Clin Neurophysiol,2004,44(3):137-146.

[15] Paquet JM,Auvinet B,Chaleil D,et al.Analysis of gait disorders in Parkinson’s disease assessed with an accelerometer[J].Rev Neurol,2003,159(8-9):786-789.

[16] Atallah L,Wiik A,Jones GG,et al.Validation of an ear-worn sensor for gait monitoring using a force-plate instrumented treadmill[J].Gait Posture,2012,35(4):674-676.

[17] Steele BG,Holt L,Belza B,et al.Quantitating physical ac t ivity in COPD using a triaxial accelerometer[J].Chest,2000, 117(5):1359-1367.

[18] Jimison HB,Pavel M,Pavel J,et al.Home monitoring of computer interactions for the early detection of dementia[J]. Conf Proc IEEE Eng Med Biol Soc,2004,6:4533-4536.

[19] Gietzelt M,Wolf KH,Marschollek M,et al.Automatic selfcalibration of body worn triaxial-accelerometers for application in healthcare[A].2008 Second International Conference on Pervasive Computing Technologies for Healthcare[C]. Finland:Pervasive Health,2008.

[20] Tia G,Greenspan D,Welsh M,et al.Vital Signs Monitoring and Patient Tracking Over a Wireless Network[A].2005 IEEE Engineering in Medicine and Biology 27th Annual Conference[C].New York:IEEE,2006.

[21] Wang P,Du H.ZnO thin film piezoelectric MEMS vibration energy harvesters with two piezoelectric elements for higher output performance[J].Rev Sci Instrum,2015,86(7):075002.

[22] Marinkovic S,Popovici E.Network Coding for Efficient Error Recovery in Wireless Sensor Networks for Medical Applications[A].Emerging Network Intelligence,2009 First International Conference on[C].New York:IEEE,2009:15-20.

[23] Marcelloni F,Vecchio M.Enabling energy-efficient and lossy-aware data compression in wireless sensor networks by multi-objective evolutionary optimization[J].Inform Sci,2010,180(10):1924-1941.

[24] Ting C-K,Liao C-C.A memetic algorithm for extending wireless sensor network lifetime[J].Inform Sci,2010,180(24):4818-4833.

[25] Jin Y,Vural S,Gluhak A,et al.Dynamic task allocation in multihop multimedia wireless sensor networks with low mobility[J]. Sensors(Basel),2013,13(10):13998-14028.

本文编辑 刘峰

Application and Development of Wearable Devices in Medical Field

JIA Zhen-yu, WANG Wei, WANG Chen, XU Wei-dong
Department of Orthopedics, Changhai Hospital of Second Military Medical University, Shanghai 200433, China

Abstract:Wearable devices are used as a major measurement to monitor patients’ health conditions in rehabilitation. It plays an important role in health monitoring, safety monitoring, home rehabilitation, assessment of treatment efficacy and early detection of diseases. Wearable devrices were consisted of sensor unit, communication unit and processing unit. With the development of microelectronics, material science and wireless communication technology, wearable devices were widely applied. This article sumed up the application development of wearable devices from the aspects of safety monitoring, home rehabilitation, assessment of treatment efficacy and early detection of diseases, and pointed out problems existed such as data collecting processing efficiency, data transmission reliability, compatibility, bandwidth, etc, and looking forward the future development of wearable devices.

Key words:wearable devices; body area network; wireless communication technology; sensor; chronic obstructive pulmonary disease

[中图分类号]TP212.3

[文献标识码]A

doi:10.3969/j.issn.1674-1633.2017.02.026

[文章编号]1674-1633(2017)02-0096-04

收稿日期:2016-04-12

通讯作者:徐卫东,教授,主要研究方向为膝、髋关节置换和运动医学。

通讯作者邮箱:ch-prof-xu@163.com