可穿戴生物傳感器已成為連續(xù)、實(shí)時(shí)健康監(jiān)測的平臺(tái)，能夠以非侵入性或微創(chuàng)的方式從人體不同部位采集生理、生化和環(huán)境信號(hào)。憑借小型化設(shè)計(jì)、組織貼合外形和良好的舒適性，這些設(shè)備可以融入日常生活，以接近傳統(tǒng)臨床設(shè)備的性能采集多模態(tài)生物信號(hào)。除了即時(shí)診斷之外，它們正在推動(dòng)醫(yī)療服務(wù)向非侵入式、分散式居家監(jiān)測方向發(fā)展，支持持續(xù)監(jiān)測、早期檢測和精準(zhǔn)干預(yù)，同時(shí)減輕臨床負(fù)擔(dān)。

盡管傳感性能強(qiáng)大，但瓶頸在于解讀：高容量、異構(gòu)的數(shù)據(jù)流難以手動(dòng)解析，且無法擴(kuò)展。多領(lǐng)域人工智能通過聯(lián)合學(xué)習(xí)多種模態(tài)并注入結(jié)構(gòu)化領(lǐng)域知識(shí)來解決這一問題。多傳感器融合將互補(bǔ)信號(hào)對(duì)齊成共享表示；知識(shí)圖譜對(duì)精心整理的臨床關(guān)系進(jìn)行編碼，以增強(qiáng)推理能力并降低脆弱性?？缬蜻w移）則重用在數(shù)據(jù)豐富的環(huán)境中學(xué)習(xí)到的抽象概念，以指導(dǎo)探索不足的情況，從而在數(shù)據(jù)稀疏時(shí)提高系統(tǒng)的魯棒性，推動(dòng)系統(tǒng)從傳感器向決策者轉(zhuǎn)變。大型語言模型（LLM）為這一技術(shù)棧增添了對(duì)話層，將復(fù)雜的輸出轉(zhuǎn)化為清晰的、面向患者和臨床醫(yī)生的指導(dǎo)，并支持對(duì)不確定性和偏好的交互式探索。結(jié)合連續(xù)傳感技術(shù)，這些智能體能夠引導(dǎo)系統(tǒng)從原始信號(hào)向決策者轉(zhuǎn)變，觸發(fā)決策、分析風(fēng)險(xiǎn)并提出后續(xù)步驟建議，而無需面對(duì)面咨詢，從而支持患者自我管理，同時(shí)減輕醫(yī)護(hù)人員的工作負(fù)擔(dān)。

在本綜述中，我們概述了多模態(tài)生物傳感和多領(lǐng)域人工智能的進(jìn)展，并探討了它們的融合如何實(shí)現(xiàn)去中心化的、以患者為中心的醫(yī)療服務(wù)。我們首先概述了多模態(tài)可穿戴生物傳感技術(shù)的進(jìn)展，以展示其對(duì)生理過程的互補(bǔ)覆蓋，并重點(diǎn)介紹具有代表性的診斷和篩查研究。然后，我們著重探討數(shù)據(jù)融合，闡述如何將手傳感器數(shù)據(jù)流與電子健康記錄和醫(yī)學(xué)文獻(xiàn)相結(jié)合，從而支持更精準(zhǔn)的個(gè)體特征分析、鑒別診斷和決策支持。最后，我們討論了尚存的挑戰(zhàn)、可互操作數(shù)據(jù)集成的標(biāo)準(zhǔn)、隱私和治理、通用性和信任問題，并展望了閉環(huán)系統(tǒng)在生命體征層面提供全面評(píng)估的機(jī)遇。

來源：傳感器專家網(wǎng)