蒙特利尔研究人员利用人工智能与可穿戴传感器在症状出现前检测炎症

Montreal researchers use AI and wearable sensors to detect inflammation before symptoms appear

全球首个可穿戴设备系统实现90%灵敏度的炎症预测

现代医学多为被动治疗模式——仅在症状显现后进行干预。但麦吉尔大学健康中心（MUHC）与麦吉尔大学的研究团队开创了主动医疗新范式：通过可穿戴设备捕捉感染无声征兆，在人体自觉生病前即可预警。

这项发表于《柳叶刀·数字健康》的研究，展示了全球首个AI平台：通过分析智能戒指、手表或衬衫采集的生物数据，准确预测病毒性呼吸道感染（VRTI）引发的急性全身性炎症。该系统在症状出现前即能检测免疫信号，使早期干预成为可能，或可预防并发症、降低住院率并节省医疗成本。

"当感染通过临床症状或PCR检测发现时，通常已进入进展阶段"，研究通讯作者丹尼斯·延森博士表示，"我们的预测工具能提供快速、个性化且客观的全身炎症预警，使患者与医疗团队在危急事件发生前及时介入"。

感染检测的主动防御

急性全身性炎症是身体对抗感染或损伤时的剧烈全身反应。虽然多数情况下可自愈，但该反应可能导致器官损伤甚至死亡，对慢性阻塞性肺病（COPD）患者尤为危险。

研究团队对55名18-59岁健康成人进行临床试验：在接种减毒流感疫苗前7天至接种后5天，连续佩戴戒指、手表和衬衫三类可穿戴设备，持续监测心率、心率变异性、体温、呼吸频率、血压、活动量和睡眠质量等生理指标。

研究人员同时通过血液检测追踪炎症生物标志物，进行呼吸道病原体PCR检测，并利用手机APP收集自我报告症状。超过20亿数据点训练机器学习算法后，构建出10种AI模型（9种基于生理变化，1种基于症状报告）。

阿米尔·哈迪德博士解释："我们选择了特征最少但实用性的模型，其灵敏度接近90%，即准确预测了近90%的实际阳性病例"。该模型在预测无症状SARS-CoV-2感染方面同样有效，成功在症状出现或PCR确认前检测出四名感染者。

超越传统症状报告

所有可穿戴设备模型均优于症状报告模型。研究发现部分炎症患者未出现典型症状（假阴性），而部分无炎症者因心理因素报告症状（安慰剂效应）。这印证了可穿戴监测的必要性。

麦吉尔大学健康中心传染病专家艾米丽·麦克唐纳博士透露："未来临床验证将针对鼻病毒、呼吸道合胞病毒等常见病原体，完全通过可穿戴设备实现无创预警，无需血液检测或医疗访问"。

从实验室到现实应用

这项突破性研究催生了蒙特利尔初创公司Sensifai Health，由研究团队核心成员联合创立。该技术融合了临床生理学（延森教授）、生物医学工程（哈迪德教授）、传染病学（麦克唐纳博士等）及人工智能（多位教授）等多学科力量。

麦吉尔大学健康中心创新总监艾伦·福斯特评价："该技术提升了精准医疗能力，其发表于《柳叶刀·数字健康》彰显了蒙特利尔在AI医疗创新领域的全球领先地位"。

【全文结束】