智能手表和活动追踪器等可穿戴设备可能检测到提示新冠感染的生理变化。
一位应用程序开发者探讨了可穿戴设备和其他数字技术在此方面可能如何发挥作用。
例如，电子公司Fitbit分析了数千名设备用户的夜间呼吸频率，以了解其设备能否助力病毒检测。
另有研究表明，一款手机应用经数百份有或无病毒感染者的音频样本训练后，能以89%的准确率检测一个人是否感染新冠肺炎。
智能手表和活动追踪器等可穿戴技术在过去几年中因其监测我们健康的潜力而备受关注，监测我们的健康。
疫情期间，人们开始关注这些可穿戴设备能否检测生理变化，从而提示可能的新冠感染。这反过来可能有助于尽早隔离和检测，减少病毒传播。
那么，证据表明了什么？这些技术能否成为帮助应对疫情的有效工具？让我们来看一看。
呼吸频率升高已被证明是一种有用的生物标志物，可用于新冠的早期检测。呼吸频率可通过一种称为光电容积脉搏波描记法的方法估算，该方法仅需单点接触（例如手指或手腕）即可实现。
光电容积脉搏波描记法往往容易受到环境光、压力或运动等外部因素的影响。因此，大多数试图用该方法检测新冠的研究都集中于监测人在睡眠期间的状况。
电子公司Fitbit分析了夜间呼吸频率数千名设备用户的数据，以了解该指标能否助力新冠检测。研究发现，在七天的时间段内（对有症状者，从症状出现前一天开始；对无症状参与者，从阳性检测前一天开始），部分新冠感染者至少有一次呼吸频率升高的测量结果。
虽然在有症状的新冠患者中，这一现象仅在约三分之一的人中被检测到，在无症状患者中约为四分之一，但该研究表明，商用可穿戴设备有可能成为一种非侵入性方式，用于发现可能的新冠感染并促使其接受检测。
另一项研究探讨了美国品牌WHOOP的健身追踪器预测新冠风险的潜力。预测新冠风险。研究利用一组新冠患者的呼吸频率及其他心功能指标数据来训练算法，以预测感染情况。
随后，该模型在另一组人群中进行了测试，其中一些人感染了新冠，另一些人未感染但有类似症状。基于睡眠期间的呼吸频率，该技术能够在症状出现前两天识别出20%的新冠阳性病例，并在症状出现第三天时识别出80%的病例。
最近一项研究发现，一款名为Ava的生育追踪器（同样佩戴于手腕）能够在新冠症状出现前两天检测到生理变化。该设备可测量呼吸频率、心率、皮肤温度和血流等信号，以及睡眠的数量和质量。
研究人员利用新冠阳性患者的数据训练了一种机器学习算法。测试显示，该算法能够在症状明显出现前两天识别出68%的阳性病例。
其他形式的数字化检测
除可穿戴设备外，数字技术还可能以其他方式用于检测新冠。高质量麦克风已内置于智能手机和其他设备中，为音频分析铺平了道路。
新冠通常会影响上呼吸道和声带，导致人的声音发生变化。一款手机应用经数百份有或无新冠感染者的音频样本训练后，已被证明能够准确检测一个人是否感染了病毒，准确率达89%。
我和同事开发了一款应用，旨在通过您的咳嗽声判断您是否可能感染新冠。该技术目前仍在研究中。
疾病追踪
研究还探讨了智能技术和可穿戴设备在新冠感染期间监测人体状况的潜力。例如，一个团队使用一款入耳式设备，每15分钟测量一次高风险居家治疗新冠患者的血氧饱和度、呼吸频率、心率和体温。数据由经过培训的团队进行监测，并用于帮助识别哪些患者可能需要额外的医疗护理。
疫情初期，有人提出智能手机可作为一种潜在解决方案，通过用户指尖检测低氧血症。低氧血症指人体组织中氧含量偏低的状态，在一些病情较重的新冠患者中可能悄然出现。
可穿戴技术还被用于更广泛地描绘新冠的影响。例如，来自数千台Fitbit设备的数据显示睡眠变化（例如，疫情初期人们的睡眠时间普遍延长）。
额外的一道防线
目前正在测试其检测新冠潜力的大多数可穿戴设备及其他技术检测新冠依赖人工智能（AI）方法，尤其是机器学习和深度学习。人工智能能够高效、细致地扫描大量数据，识别身体信号中的相关模式，从而识别相关健康状况。
然而，生物信号模式在患者个体内部和患者之间可能差异很大，因此这些人工智能模型在现实应用中可能存在局限。还需注意的是，现成的可穿戴设备并非专门为持续监测传染病症状而设计。因此，相关技术和算法可能仍需改进。
我们需要持续开展研究以应对这些挑战，同时密切审视为此目的收集生物数据可能引发的任何隐私问题。但可穿戴设备和其他数字技术可以提供额外的一道防线，帮助我们防范新冠及其他传染病。
