该研究表明,在日常生活中捕捉健康状况的数字测量方法可以大大增强目前对类风湿性关节炎的门诊评估。
研究人员招募了 60 人分成两组,其中包括 30 名中重度类风湿性关节炎(RA)患者与 30 名健康对照组(HC)患者,进行为期 14 天的追踪观测。
调查结果显示 Apple Watch 的被动传感器收集了许多不同指标的数据,包括:
健康状况
移动能力
灵活性
疲劳感
其他 RA 症状
研究小组指出,通过分析每日可穿戴传感器的结果,能够区分类风湿关节炎患者与健康人群。。换句话说,该团队的机器学习框架仅凭传感器数据就能准确区分类风湿性关节炎患者和健康人。
研究还表明,医生可以通过传感器数据来补充患者的报告,从而改善自我报告的类风湿性关节炎症状的严重程度。