(资料图片仅供参考)

在过去十年中，用于测量个人生理机能的医疗级和消费级可穿戴设备的使用激增。监控我们自己的活动和健康的能力比以往任何时候都更容易获得。

虽然这些设备在生物医学研究中的应用主要限于心脏病学，但一项新研究表明，使用可穿戴电子胸贴结合机器学习和人工智能的进步如何有助于开发雷特综合征的新疗法，以及许多其他健康状况。

Gari Clifford 博士及其在埃默里大学和佐治亚理工学院的研究团队在 PLOSOne上发表文章，使用 MC10 Biostamp 贴片分析雷特综合征患者的运动和心脏活动。

Rett 综合征是一种罕见的遗传性神经发育障碍，其特征是严重损伤，影响一个人正常说话、行走、进食和呼吸的能力。目前无法治愈 Rett 综合征，并且缺乏直接检测患者症状和疾病进展的客观模式的能力。

在研究期间，可穿戴贴片监测研究参与者的心脏活动和运动。在连续 48 小时内收集的数据随后被用于开发机器学习算法，该算法确定了 Rett 综合征严重程度特有的生理和运动模式。特别是，Clifford 和他的团队发现了运动和心率的三种特定模式(以及它们如何相互影响)，使他们能够准确地区分症状严重程度高低的个体。

这导致了一个系统，该系统有可能根据他们的运动和心脏活动客观地对整个人群的症状严重程度进行分级。这些数据对在未来的临床试验中改善 Rett 综合征患者治疗选择的努力具有重要意义。

当前衡量治疗效果的选项依赖于临床医生或家长完成的问卷调查。从心脏和运动活动中得出的与患者整体严重程度相匹配的生理指标可能是一个重要的生物标志物，它表明治疗是否有助于以后的其他症状，如交流和活动能力。