可穿戴生物傳感器已成為連續(xù)、實(shí)時(shí)健康監(jiān)測(cè)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（圖 1a），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)（圖 1b）。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(cè)方向發(fā)展（圖 1c），支持持續(xù)監(jiān)測(cè)、早期檢測(cè)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(wú)法擴(kuò)展。多領(lǐng)域人工智能通過(guò)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(lái)解決這一問(wèn)題。多傳感器融合（圖 1d）將互補(bǔ)信號(hào)對(duì)齊成共享表示；知識(shí)圖譜（圖 1e）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。跨域遷移（圖 1f）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(yǔ)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（圖 1g）。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(wú)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)域人工智能的最新進(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)的最新進(jìn)展，以展示其對(duì)生理過(guò)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，闡述如何將第一手傳感器數(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(wèn)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。

本文亮點(diǎn)

1. 本工作提出了一種將多模態(tài)可穿戴生物傳感與多域人工智能相結(jié)合的去中心化醫(yī)療保健路徑。

2. 回顧了可穿戴傳感模式的最新進(jìn)展，并總結(jié)了多傳感器融合如何改善患者畫像、增強(qiáng)診斷區(qū)分度以及實(shí)現(xiàn)更早期的風(fēng)險(xiǎn)預(yù)測(cè)。

3. 隨后描述了將生物傳感器測(cè)量數(shù)據(jù)與電子健康記錄、精選醫(yī)學(xué)文獻(xiàn)和知識(shí)圖譜整合的人工智能流程，以支持循證決策。

4. 最后討論了尚存的挑戰(zhàn)，包括數(shù)據(jù)質(zhì)量和跨模態(tài)數(shù)據(jù)對(duì)齊、跨域數(shù)據(jù)共享的隱私和治理，以及在真實(shí)世界異構(gòu)性條件下的穩(wěn)健泛化能力。

圖文解析

圖1. 可穿戴生物傳感器與多領(lǐng)域人工智能的協(xié)同作用。(a) 具有皮膚/器官貼合設(shè)計(jì)的代表性可穿戴設(shè)備形態(tài)（例如，植入物、紡織品、貼片、手表、鞋類、隱形眼鏡）。(b) 指示生物信號(hào)采集解剖目標(biāo)的體位“傳感器圖譜”。(c) 可穿戴設(shè)備可實(shí)現(xiàn)的傳感模式：生物化學(xué)、物理/機(jī)械、電生理和成像。(d) 將醫(yī)學(xué)文本、圖像和時(shí)間序列信號(hào)對(duì)齊到共享表示的多模態(tài)融合流程。(e) 基于知識(shí)圖譜的醫(yī)學(xué)推理，連接臨床記錄、公共衛(wèi)生和領(lǐng)域知識(shí)。(f) 跨領(lǐng)域表示學(xué)習(xí)，可在任務(wù)和模態(tài)之間遷移信息，以提高數(shù)據(jù)稀疏環(huán)境下的魯棒性。(g) 可穿戴設(shè)備和多領(lǐng)域人工智能可實(shí)現(xiàn)從描述性到預(yù)防性的分層臨床決策支持，推進(jìn)去中心化、個(gè)性化醫(yī)療，并改善治療效果。

圖2. 從設(shè)備到智能的分層集成。多模態(tài)可穿戴設(shè)備集成于三個(gè)層面：(i) 物理層面，將生化、電學(xué)（心電圖/腦電圖/肌電圖）、機(jī)械和成像傳感器集成于柔性平臺(tái)上，該平臺(tái)采用可拉伸材料、微流控技術(shù)、混合界面和柔性電源；(ii) 信號(hào)層面，提供同步多通道讀出，并具備噪聲濾波和信號(hào)融合功能；(iii) 數(shù)據(jù)層面，利用人工智能驅(qū)動(dòng)的融合和解讀，提供情境感知、自適應(yīng)的診斷和臨床見解。

圖3. 多模態(tài)可穿戴生物傳感中的跨模態(tài)協(xié)同效應(yīng)。(A) 生化-電學(xué)混合貼片，將葡萄糖傳感器和電生理傳感器集成于柔性微流控平臺(tái)上，用于同時(shí)進(jìn)行代謝和心臟監(jiān)測(cè)。(B) 微流控可穿戴設(shè)備，將汗液代謝物分析、心電圖和溫度傳感集成于單一柔性架構(gòu)中，以揭示電代謝相關(guān)性。(C) 用于感染傷口護(hù)理的可拉伸無(wú)線生物電子敷料，結(jié)合了多重生化傳感（pH值、葡萄糖、尿酸）、熱監(jiān)測(cè)和電刺激，用于閉環(huán)治療。(D) 生物粘附性超聲彈性成像貼片，將主動(dòng)機(jī)械激勵(lì)與成像相結(jié)合，用于連續(xù)、可穿戴地繪制組織彈性圖。(E) 無(wú)線機(jī)械聲彈性成像平臺(tái)，將應(yīng)變傳感與剪切波成像同步，以跟蹤運(yùn)動(dòng)過(guò)程中的組織力學(xué)特性。 (F) 多模態(tài)皮瓣監(jiān)測(cè)器，集成機(jī)械（應(yīng)變、溫度）、光學(xué)（SpO2）和濕度傳感，用于定量評(píng)估移植片的灌注和活力。(G) 三模態(tài)軟貼片，將化學(xué)、光學(xué)和機(jī)械模態(tài)融合于同一平臺(tái)，實(shí)現(xiàn)自調(diào)節(jié)、情境感知的表皮電子器件。

圖4. 醫(yī)療保健領(lǐng)域的多領(lǐng)域人工智能工作流程。(a) 患者畫像：在數(shù)據(jù)/特征層面融合多模態(tài)生理數(shù)據(jù)（生化、影像、電生理、機(jī)械），構(gòu)建綜合畫像。(b) 臨床評(píng)估：將該畫像與涵蓋癥狀、檢查、人口統(tǒng)計(jì)學(xué)信息、治療、結(jié)果和處方等的群體規(guī)模電子健康記錄 (EHR) 進(jìn)行對(duì)比，以增強(qiáng)診斷和預(yù)測(cè)能力。 (c) 治療推理：基于文獻(xiàn)、公共衛(wèi)生數(shù)據(jù)庫(kù)和臨床試驗(yàn)結(jié)果構(gòu)建的領(lǐng)域知識(shí)圖譜支持跨領(lǐng)域表征學(xué)習(xí)和推理，從而推薦合適的治療方案。

圖5. 多模態(tài)醫(yī)學(xué)融合模型。(a) 醫(yī)學(xué)整體人工智能 (HAIM) 框架通過(guò)模態(tài)特定的特征提取器（例如，循環(huán)神經(jīng)網(wǎng)絡(luò) (RNN)/Transformer/卷積神經(jīng)網(wǎng)絡(luò) (CNN) 或統(tǒng)計(jì)模型）統(tǒng)一表格、時(shí)間序列、文本和圖像流，生成嵌入，用于下游分類器/回歸器（線性、SVM/聚類、基于樹的神經(jīng)網(wǎng)絡(luò)）。因組學(xué)）與后期整合相結(jié)合來(lái)緩解數(shù)據(jù)稀疏性，從而生成用于結(jié)果預(yù)測(cè)和亞型發(fā)現(xiàn)的跨模態(tài)特征。子模型從不同的數(shù)據(jù)模態(tài)中提取單模態(tài)特征，然后進(jìn)行多模態(tài)整合以生成跨模態(tài)特征。 (c) 使用 Transformer 主干網(wǎng)絡(luò)進(jìn)行癡呆癥鑒別診斷，該網(wǎng)絡(luò)可接收數(shù)值、類別和圖像輸入；每個(gè)特征在進(jìn)行跨特征注意力機(jī)制和預(yù)測(cè)之前，都嵌入了模態(tài)感知方案。

圖6. 利用可穿戴設(shè)備和多領(lǐng)域人工智能實(shí)現(xiàn)醫(yī)療保健民主化。傳統(tǒng)醫(yī)療保健流程（黑色箭頭）。(a) 藍(lán)色箭頭：人工智能賦能的流程，其中上下文數(shù)據(jù)和可穿戴生物傳感器為連接到電子健康記錄/知識(shí)庫(kù)的多模態(tài)人工智能系統(tǒng)提供數(shù)據(jù)，并向智能個(gè)人健康助手和臨床醫(yī)生返回指導(dǎo)信息，涵蓋描述性報(bào)告、處方治療計(jì)劃、預(yù)測(cè)性預(yù)后和預(yù)防性風(fēng)險(xiǎn)管理。黑色箭頭：傳統(tǒng)工作流程。灰色箭頭：傳統(tǒng)路徑和人工智能增強(qiáng)路徑之間的交互。 (b) 患者特定助手的展望：從確定性（是/否任務(wù)決策）到信息性（優(yōu)缺點(diǎn)選項(xiàng)排序），再到解釋性系統(tǒng)，后者將患者價(jià)值觀、生活質(zhì)量權(quán)衡和風(fēng)險(xiǎn)納入考量，從而提出行動(dòng)建議。

圖7. 分散式醫(yī)療保健案例研究。(a) 基于表皮生物傳感器的遠(yuǎn)程醫(yī)療，結(jié)合人工智能輔助的自我監(jiān)測(cè)。(b) 基于 GPT 的皮膚科助手，提供基于圖像的指導(dǎo)和解釋。(c) 移動(dòng)控制的診療平臺(tái)，結(jié)合智能隱形眼鏡生物傳感器和用于治療眼部炎癥的可拉伸眼瞼加熱貼片。

審核編輯 黃宇