Mga nadagdag:
- Kakayahang ipaliwanag ang mga pagkakataon at mga pitfalls sa pagproseso ng naisusuot na data ng sensor (PPG, accelerometer, temperatura ng balat) gamit ang artificial intelligence
- Kakayahang suriin ang artifact ng paggalaw, bias ng kulay ng balat, at mga limitasyon ng device na hindi medikal
- Kakayahang pamahalaan ang maling pasanin ng alarma at pangangailangan para sa klinikal na pag-verify ng patuloy na mga alerto sa pagsubaybay
Ang mga naisusuot na device (matalinong relo, wristband, patches, singsing) ay nagdala ng physiological measurement sa labas ng ospital at sa pang-araw-araw na buhay. Patuloy na sinusukat ng mga device na ito ang tibok ng puso, saturation ng oxygen, aktibidad, pagtulog, at kung minsan ay ECG. Para sa biomedical engineer, ito ay isang walang uliran na mapagkukunan ng data: hindi lamang ilang minuto sa laboratoryo, ngunit linggo ng patuloy na pagsubaybay sa totoong buhay. Ngunit ang data na ito ay malayo sa kinokontrol na mga kondisyon ng klinikal na kapaligiran. Sa unit na ito, makikita natin ang mga pagkakataon, ang pinakamahalagang pitfalls (motion artifact, skin tone bias, device class) at false alarm burden sa pagproseso ng naisusuot na data ng sensor gamit ang artificial intelligence.
Gumawa tayo ng pagkakaiba sa harap: karamihan sa mga nasusuot na device ng consumer ay hindi mga medikal na device; Ito ay para sa mga layunin ng "malusog na pamumuhay/kaayusan". Ang ilang feature (ilang ECG o atrial fibrillation notification) ay maaaring nakatanggap ng pag-apruba ng regulasyon, ngunit kahit na ang mga ito ay hindi diagnostic ngunit tumutukoy sa isang manggagamot. Ang artificial intelligence ay bumubuo ng mga uso at kamalayan sa data na ito; Ang diagnosis ay pag-aari ng doktor.
Mga Uri ng Sensor at Ano ang Sinusukat Nila
PPG (photoplethysmography): Nagpapadala ng berde/infrared na ilaw sa balat at tinatantya ang pulso at hindi direktang oxygen saturation mula sa pagbabago sa reflection. Ito ay mura at karaniwan, ngunit napaka-sensitibo sa paggalaw.
Accelerometer: Sinusukat ang paggalaw at posisyon; Ginagamit ito para sa pagbibilang ng hakbang, pagtukoy ng pagkahulog at pag-uuri ng pagtulog/aktibidad.
Temperatura ng balat at aktibidad ng electrodermal: Mga trend ng temperatura at conductivity dahil sa pawis; Nagbibigay ito ng hindi direktang mga pahiwatig sa stress at pagsubaybay sa ikot.
Single-lead ECG: Ang ilang device ay kumukuha ng panandaliang, single-lead ECG na may finger contact. Hindi ito kapalit ng 12-lead diagnostic ECG; Ito ay isang limitadong tool sa pag-scan.
Ang Tatlong Pinakamahalagang Bitag
Artifact ng paggalaw. Nasira ang signal ng PPG habang naglalakad, kumakaway o nagmamaneho. Maaaring mapagkamalan ng modelo ang ingay ng paggalaw bilang isang tibok ng puso. Kaya sa naisusuot na AI, ang data ng accelerometer ay gumagawa ng tanong sa PPG na "mapagkakatiwalaan ba ito?" (sensor fusion).
Ang tono ng balat at pisikal na bias. Maaaring hindi gaanong tumpak ang mga optical sensor na may mas madidilim na kulay ng balat, mga tattoo, at mababang perfusion (malamig, mahinang sirkulasyon). Kung ang isang modelo ay sinanay sa karamihan ay maputi ang balat, bata, malusog na mga gumagamit, gagawa ito ng mga sistematikong error sa iba't ibang grupo. Ito ay usapin ng hustisya at kaligtasan ng pasyente.
Klase at konteksto ng device. Ang data ng device ng consumer ay hindi kasing-tumpak ng data ng clinical monitor. Ang mga label na gaya ng "sleep stage" o "stress score" ay kadalasang magaspang na pagtatantya at hindi pa napatunayan para sa klinikal na diagnosis.
Tatlong Mini Cases: By the Numbers
Case 1 — Maling pag-load ng alarma. Isang feature ng notification ng atrial fibrillation ang nakabuo ng libu-libong notification bawat buwan sa aktibong pangkat ng user; Ang isang maliit na proporsyon ng mga ulat ay tunay kapag nakumpirma ng isang confirmatory medical ECG. Ang katotohanan na maraming malulusog na user ang nabigatan ng hindi kinakailangang pagkabalisa at hindi kinakailangang pagpasok sa klinika ay nagpaalala sa amin na may mababang posibilidad ng pre-test, maraming positibong ulat ang maaaring lumabas na mali. Ang notification ay isang screening sign, hindi isang diagnosis.
Kaso 2 — Ang pulso ay nabalisa sa paggalaw. Sa isang tumatakbong pag-aaral, naka-lock ang PPG heart rate sa frequency swing ng braso, na nagpapakita ng 130 sa halip na ang aktwal na 160. Noong idinagdag ang accelerometer fusion, ibinaba ang flag ng pagiging maaasahan ng rate ng puso sa mga panahon ng paggalaw at hindi naiulat ang mga maling halaga. Ang pagsasanib ng sensor ay makabuluhang nadagdagan ang katumpakan.
Case 3 — Trend catching. Sa isang post-ICU discharge follow-up, ang mabagal na pagtaas ng wearable device sa resting heart rate sa loob ng ilang araw ay napansin bago magkaroon ng impeksyon, na nagpapahintulot sa maagang pagsusuri sa pasyente. Ang halaga dito ay hindi isang solong sukat, ngunit isang trend na nauugnay sa sariling baseline; Gayunpaman, ang desisyon ay ginawa batay sa pagsusuri ng doktor.
Mahina Prompt / Malakas na Prompt
Mahinang prompt:
Tingnan ang data ng aking relo, may sakit ba ako?[data]
Napakahusay na prompt:
Ang iyong tungkulin: Isa kang naisusuot na katulong sa pagsusuri ng data (HINDI KA DIAGNOSIS, hindi isang medikal na aparato). Suriin ang mga sumusunod na hindi kilalang naisusuot na mga sukat:- Bigyang-kahulugan ang mga halaga bilang TREND na nauugnay sa sariling baseline ng tao, na nag-uugnay ng diagnosis sa iisang sukat.- Markahan ang mga posibleng panahon ng motion artifact at mababang kalidad ng signal.- Ipahiwatig sa bawat printout na ang device ay hindi pa napatunayan para sa medikal na diagnosis.- Ilista nang hiwalay ang mga flag na "inirerekumenda sa konsultasyon ng doktor" sa dulo. Anonymous na mga sukat:[HR trend, SpO2, aktibidad, pagtulog, kalidad ng signal]
Apat na Nakokopyang Template
1) Pagsusuri ng trend:
Ibuod ang sumusunod na 14 na araw na nagpapahingang serye ng tibok ng puso bilang isang trend ayon sa baseline ng tao; Markahan ang mga makabuluhang paglihis. Huwag mag-diagnose. Serye: [data]
2) Pag-flag ng kalidad ng signal:
Sa serye ng PPG na heart rate na ito, markahan bilang "mababang kumpiyansa" ang mga panahon ng posibleng motion artifact batay sa kasamang data ng accelerometer. Data: [serye]
3) Maling pagsusuri ng alarma:
Para sa feature na notification, mag-draft ng briefing note na nagpapaliwanag kung gaano karaming mga positibong notification ang maaaring false positive sa mababang posibilidad ng pre-test.
4) Teksto ng impormasyon ng gumagamit:
Sumulat ng on-screen na text na nagpapakita ng naisusuot na device na output: "Ito ay hindi isang medikal na diagnosis; kung mayroon kang mga sintomas, kumunsulta sa isang doktor" sa simpleng wika.
Tungkulin ng Modelo: Ayon sa Uri ng Gawain
Uri ng gawain
kontribusyon ng AI
pagiging kritikal
pagpapatunay
Pag-uuri ng aktibidad/hakbang
mataas
mababa
spot check
Nagpapahinga HR trend
mataas
daluyan
Paghahambing ng baseline
Pagtatantya ng yugto ng pagtulog
daluyan
mababa
Bastos, hindi clinical
Notification ng ritmo (scan)
daluyan
mataas
Medikal na ECG + manggagamot
diagnostic na desisyon
wala
napakataas
Pagsusuri sa klinika
Tip: Maghanap ng trend sa naisusuot na data sa sariling kasaysayan ng tao, hindi isang snapshot. Ang pinakamahalagang senyales ay ang paglihis ng isang tao sa kanyang baseline; Ang ibig sabihin ng populasyon ay maaaring makalinlang ng indibidwal na interpretasyon.
Pag-iingat: Dahil lang sa ang isang naisusuot na device ay may "certified feature" ay hindi nangangahulugan na ang lahat ng mga output nito ay klinikal na tumpak. Ang pag-apruba ay may bisa lamang para sa isang partikular na function at paggamit; Ang natitirang mga sukatan ay halos mga pagtatantya para sa mga layuning pangkalusugan.
Mga karaniwang pagkakamali
- Napagkamalan ang data ng consumer device para sa klinikal na data. Karamihan sa mga device ay hindi napatunayan para sa diagnosis.
- Hindi sinasala ang motion artifact. Kung walang accelerometer fusion, ang PPG heart rate ay mapanlinlang.
- Hindi pinapansin ang bias ng kulay ng balat. Ang mga optical sensor ay gumagana nang may iba't ibang katumpakan sa iba't ibang grupo.
- Hindi isinasaalang-alang ang maling pasanin ng alarma. Sa mababang posibilidad ng pretest, marami sa mga positibo ay maaaring mali.
- Pag-uugnay ng diagnosis sa iisang sukat. Ang halaga ay dapat bigyang kahulugan bilang isang kalakaran at ang desisyon ay dapat ipaubaya sa manggagamot.
Sa buod
- Ang mga naisusuot na device ay nagbibigay ng tuluy-tuloy, totoong buhay na data, ngunit karamihan ay hindi mga medikal na device.
- Ang PPG ay madaling kapitan ng paggalaw ng artifact; ang sensor fusion (na may accelerometer) ay nagpapabuti sa katumpakan.
- Ang bias ng kulay ng balat sa mga optical sensor ay isang isyu sa pagiging patas at kaligtasan.
- Sa mababang posibilidad ng pretest, marami sa mga ulat ay maaaring maling positibo; dapat pangasiwaan ang maling pasanin ng alarma.
- Ang pinakamalaking halaga ay nasa trend; Ang diagnosis ay palaging ginagawa ng pagsusuri ng doktor.
Gawain ng aplikasyon
Gumawa ng 14 na araw na nagpapahingang serye ng tibok ng puso (kasama ang mabagal na pagtaas mula sa baseline) mula sa naisusuot na device. Gamit ang malakas na prompt, ipakahulugan sa modelo ang seryeng ito bilang isang trend at tingnan kung nag-diagnose ito sa isang araw. Pagkatapos ay ilarawan ang mga klinikal na limitasyon ng device at ang threshold ng "kumunsulta sa doktor" sa isang talata.
checklist
- [ ] Alam ko ang mga karaniwang nasusuot na sensor (PPG, accelerometer, temperatura, single channel ECG) at ang kanilang mga limitasyon.
- [ ] Naunawaan ko ang motion artifact at ang papel ng sensor fusion.
- [ ] Naiintindihan ko na ang pagkiling sa kulay ng balat ay isang isyu sa pagiging patas at kaligtasan.
- [ ] Masusuri ko ang maling pasanin ng alarma at ang epekto ng mababang posibilidad ng pre-test.
- [ ] Na-internalize ko na binigyang-kahulugan ko ang naisusuot na data bilang isang trend at ipinaubaya ko ang diagnosis sa doktor.