先看重點
一項敘述性綜述發現,人工智慧穿戴式裝置在心律失常檢測中診斷準確度高,在心力衰竭監測中結果令人期待,尤其是獲得美國食品藥品監督管理局(FDA)或歐盟CE認證的裝置。多數研究規模小、週期短且在受控環境中進行,綜述也沒有給出合併數值。
證據類型
研究論文
解讀依據
公開摘要
閱讀重點
方法與適用範圍
研究在問什麼
整合人工智慧的穿戴式裝置有望實時監測心血管狀況並更早發現問題,但證據的質量和臨床適用性參差不齊。作者回顧了人工智慧穿戴式裝置用於心臟疾病的已有證據,並指出其中的空白。
研究對象與方法
敘述性綜述,透過結構化布林檢索,納入2013年1月至2025年6月發表的英文同行評審原始研究、臨床試驗、綜述和監管檔案。篩選時優先選擇隨機試驗、前瞻性觀察研究以及監管背景明確的真實世界應用報告,並對裝置分類、測量的生理引數、人工智慧技術、臨床驗證和患者參與情況做敘述性分析。摘要沒有說明檢索的資料庫,也沒有給出納入研究的數量。
主要發現
以下為作者報告的結果。數值須連同族群和不確定性一起閱讀。
- 1證據顯示心律失常檢測的診斷準確度高,心力衰竭監測的結果令人期待,尤其是獲得美國食品藥品監督管理局(FDA)批准或有歐盟CE標誌的裝置。
- 2多數研究規模小、週期短,並在受控環境中進行,限制了結果的推廣。
- 3存在的空白包括:多樣化族群代表性不足、與電子健康檔案缺乏互操作性、人工智慧可解釋性有限,以及成本效益評價不完整。
- 4對患者參與的處理不一致,多數研究只報告了基本的易用性或滿意度。
限制與不確定性
- 1敘述性綜述沒有說明納入研究數量,也沒有合併估計,無法說明某種裝置平均有多準。
- 2準確度資料多來自小型受控研究,沒有反映真實生活中的誤報和漏報。
- 3作者優先選擇了某些研究設計,選擇過程可能偏向有利證據;摘要沒有說明質量評價。
- 4本文僅依據摘要解讀。
日常健康啟示
智慧手錶和貼片的心律提醒可以提示您去做檢查,但這篇綜述沒有證明它們能在日常生活中改善結局。無論是警報還是正常讀數,都應與醫師溝通,而不是自行診斷。
如何連結自己的資料
手錶上的心率、心律不齊提醒和類心電圖記錄,是本文所述裝置的消費級版本。請使用同一裝置並按說明佩戴,儲存警報記錄以便給醫師看,把趨勢當作背景資訊而不是證據。
如何理解這類證據
索引未明確指出具體研究設計,應先讀方法;核對族群、對照、結果和不確定性,再判斷能否作因果解釋。
作者的結構化摘要 English
以下英文摘要依所記錄的開放授權轉載,屬於作者原始材料,並非 MoveVitals 解讀。上方已提供研究解讀,分別說明作者結果與本站解釋;重要結論可直接查核原文。
Background
AI-integrated wearable devices (WDs) offer real-time cardiovascular disease (CVD) monitoring with the potential to improve early detection and patient-centred care. However, the breadth, quality, and clinical applicability of supporting evidence remain variable.
Methods
A narrative review was conducted of peer-reviewed original studies, clinical trials, reviews, and regulatory documents published in English from January 2013 to June 2025. A structured Boolean search identified literature on AI-enabled WDs for cardiovascular monitoring. Selection criteria prioritised randomised trials, prospective observational studies, and real-world implementation reports with a clear regulatory context. Studies were narratively analysed for device classification, physiologic parameters measured, AI techniques, clinical validation outcomes, and evidence of patient engagement.
Results
Evidence demonstrates high diagnostic accuracy for arrhythmia detection and promising outcomes in heart failure monitoring, particularly with Food and Drug Administration or Conformité Européenne-approved devices. Nonetheless, most studies were small, short-term, and conducted in controlled settings, limiting generalisability. Key gaps include underrepresentation of diverse populations, lack of interoperability with electronic health records, limited AI explainability, and incomplete cost-effectiveness evaluation. Patient engagement was inconsistently addressed, with most reporting only basic usability or satisfaction measures rather than co-design or adherence optimisation strategies.
Conclusion
AI-integrated WDs show considerable promise in enhancing CVD detection and management but require large-scale pragmatic trials, standardised interoperability protocols, transparent AI model interpretability, and structured patient involvement. Addressing these gaps will be essential for equitable, scalable, and clinically integrated adoption.
來源與署名
Wearable Devices and AI-Driven Remote Monitoring in Cardiovascular Medicine: A Narrative Review.
Gaoudam N, Sakhamudi SK, Kamal B, Addla N, Reddy EP, Ambala M, Lavanya K, Palaparthi EC, Bhattam A, Periasamy P, Sayana SB, Medabala T.
Cureus · 2025-08-16
DOI: 10.7759/cureus.90208 ↗PubMed · 40964568 ↗Europe PMC · 所記錄的開放授權: cc by ↗摘要著作權歸原作者,依來源紀錄的開放授權轉載。中文譯文協助閱讀,英文摘要供查核術語及具體數值;本站的方法學解釋與作者結論分別呈現。
MoveVitals 編輯解讀 · 健康教育內容 · 未記錄個人臨床審閱
來源查核日期 2026-11-01
實用健康指南
放在一起讀
加速度計處理方法不同,身體活動與中風、心肌梗死的關聯曲線也不同
在英國生物銀行中,基線無心血管疾病的90237名成年人追蹤至2022年12月,共發生1298例中風和2031例心肌梗死;中高強度身體活動(MVPA)與這兩種結局的關聯曲線形狀,取決於加速度計資料的處理方法。就中風而言,只有機器學習法得到直線下降的風險;就心肌梗死而言,機器學習法和LFENMO法呈曲線下降,活動計數法呈直線下降。摘要沒有給出風險比,只能說明不同方法的結論不一致,不能說明哪種方法更正確,而且這些只是觀察性關聯。
Preventive Medicine
智慧手錶資料能當「證人」嗎:心率驗證得最充分,其餘證據參差
一項圍繞數字取證展開的系統評價和統合分析,梳理了四大主流品牌智慧手錶的驗證研究,發現心率是研究最多、也最準確的指標。步數、距離、能量消耗、活動分類和睡眠的驗證不夠一致,結果因品牌、方案和報告方式而異。摘要沒有給出彙總資料,且多數研究是在健康族群中、於實驗室內完成的,所以無法說明某一塊手錶對某個人在日常生活中的表現。
Forensic Science International
活動追蹤器:每天多走約1800步,對其他健康指標影響較小
這項傘形綜述彙總了39篇系統評價和統合分析,涉及163992名參與者;結果顯示使用活動追蹤器與身體活動增加相關(標準化均數差SMD為0.3–0.6),相當於每天多走約1800步、多步行40分鐘,體重減輕約1公斤。對血壓、膽固醇、糖化血紅蛋白、生活質量和疼痛的影響通常很小,且多數不顯著。摘要沒有說明這些專案裡追蹤器還搭配了什麼,也沒有說明各評價之間重疊多少,因此不能把效果完全歸功於裝置本身。
The Lancet Digital Health
七款睡眠追蹤裝置:識別睡著很準,識別醒著和睡眠分期較差
在睡眠實驗室裡,34名健康的年輕成年人連續三晚佩戴七款消費級睡眠追蹤裝置中的若干款。與多導睡眠監測相比,所有裝置識別睡眠都很準(靈敏度均不低於0.93),但識別清醒較差(特異度0.18–0.54),七款中有五款與研究用活動記錄儀(特異度0.39)持平或更好;睡眠分期的估計結果不穩定。受試者是18至35歲的健康成年人,臥床時間固定為8小時,每款裝置只在其中11至20人身上測試,因此對有睡眠問題的人幾乎沒有參考價值。
Sleep

