研究人员表示，这种新型工具可以帮助患者更好地理解疾病进展，并辅助医疗团队制定管理决策。
研究表明，利用智能手机应用收集数据并通过人工智能算法分析，可预测多发性硬化症（MS）患者未来三个月内是否会出现高严重性症状。这项发表于《科学报告》的"机器学习模型预测多发性硬化高严重症状表现"研究，展示了数字监测技术对慢性疾病管理的突破性应用。
多发性硬化症的免疫异常攻击会导致脑脊髓损伤，其症状表现具有高度异质性。目前患者通常每年接受1-2次临床评估和MRI检查，但这种间歇性监测难以完整捕捉患者的日常生活状态变化。智能手机应用等数字监测工具可实现每日数据采集，结合AI算法分析后，能生成疾病进展预测模型，为临床决策提供动态支持。
MS Mosaic研究项目（NCT02845635）历时三年，通过杜克大学研发的移动应用收集了美国713名MS患者的核心数据。除患者每日主动报告的疲劳、感觉障碍、行走不稳、抑郁焦虑及肌肉痉挛等症状外，应用还通过被动采集获取步数、睡眠模式和心率等生理参数。谷歌数据科学家团队参与开发的AI模型最终实现单症状80%-90%的预测准确率。
研究发现，患者历史症状记录是预测模型的关键要素。当移除该要素时，通过整合步数、睡眠等被动数据仍可保持70%以上的预测性能，突显多维数据协同分析的重要性。该技术使患者能提前预判行走能力下降等风险，及时进行物理治疗等干预，同时通过症状摘要报告优化医患沟通效率。
"这种以患者为疾病专家的预测方法，既能提升症状管理质量，又能最大化有限的医疗资源利用率。"研究团队强调。该技术突破了传统监测的时空限制，为MS患者应对"症状不确定焦虑"（即对日常症状波动的不可预测性焦虑）提供了有效解决方案。
【全文结束】
