随着技术的不断改进，预计数字孪生兄弟（digital twin）等模型也将不断发展，从而使连续监测设备获得更大的认可。
早期发现疾病对提高生存率至关重要，但相关的筛查检测很少，并且基于平均人群患病风险。许多检测计划间隔1至10年，但进展迅速的肿瘤可以逃避早期筛查，在不到一年的时间内进入临床阶段。此外，标准化的健康评估不精准，针对的是大量人群，因此缺乏个性化疾病预测能力。
即使充分了解自己的风险状况，目前在疾病发生前评估健康状况的机会通常仅限于每年进行几次检查。精准健康旨在通过预防措施和早期发现来预防疾病，但要等到下次医生评估时才能实现，它将依赖于将健康监测和诊断融入日常生活。可穿戴健康传感器在消费领域越来越受欢迎，这项技术与确保更精准地掌握疾病早期表现的研究工作同步进行。在精准健康中，来自可穿戴设备、植入式设备和家庭监测设备的数据将被汇总，以了解个人在基线和疾病期间的健康状况。在此，研究人员阐述了连续健康监测的当前和未来前景，并介绍了用于早期疾病检测的设备选择以及设备供电和通信技术。本文还讨论了数据分析和长期用户参与的挑战。
个性化风险评估
在连续健康监测和精准健康的结合点上，有一个个性化的疾病风险预测，它将为个人量身定制设备的选择，最大限度地减少数据收集和分析的负担，同时最大限度地发挥健康监测的影响。传统上，疾病风险是根据年龄或家族史来确定的。例如，一般风险女性在45岁以后进行乳腺X光筛查，但在有乳腺癌家族史或某些基因突变的高危人群中更早进行这一筛查。基因组分析允许进行更精准的风险评估，而技术的发展可能对所有人在出生时或出生前进行基因型分析。产前全基因组分析可以无创地对分离的胎儿单个细胞或来自母体血液的无细胞DNA进行，但在临床广泛应用之前，需要大力发展。早期基因组筛查可以有益地识别疾病前期状态，但也可以识别不可操作的、无治疗潜力的基因变体，从而产生焦虑。因此，标准的新生儿基因筛查仅限于32种疾病，这些疾病都有适当的干预措施和直接益处。然而，正在进行的一项名为BabySeq的随机临床试验使用全外显子组测序来筛查新生儿，以发现可能在儿童后期甚至成年期出现的疾病。这些结果不仅会影响儿童的医疗结果，还会影响医疗成本和家庭疾病风险。这些研究将有助于在精准健康这一不太明朗的新兴领域指导决策。
基因组远非疾病的唯一贡献者，必须与“暴露组”（exposome）结合起来考虑。暴露组包括一个人一生中所有的环境暴露（图1），包括内部暴露（如身体的微生物组和氧化应激）和外部因素（如污染物和传染源），以及包含健康的社会决定因素，如社会经济地位、教育、邻里密度和可步行性以及食物沙漠。肠道微生物群不仅会导致胃肠道疾病，还会导致肥胖和1型糖尿病，这表明还可以监测微生物群-宿主代谢轴以确定疾病风险。无数的应用程序和商业健康监测设备可以监测和帮助改变生活方式对暴露的影响，如饮食、烟草使用和体育活动。
身体或体内连续健康监测
可穿戴
可穿戴健康监测设备在消费者中越来越普遍（表1）。一系列生理特征，如心率、血压和血氧饱和度，通常使用手臂袖口（arm cuff）或有线手指夹测量，可以通过从手表到婴儿袜子等形状的微型传感器进行监测。甚至更复杂的测量，如心电描记法（electrocardiography, EKG）。
创新的可穿戴形状可能使其他参数的连续监测更加可行。例如，青光眼筛查可能会从传统的每年一次的“充气”检查转变为无创性隐形眼镜，持续筛查眼压升高。鉴于眼压可能在一天中波动，持续监测可能提供更好的灵敏度和青光眼的早期检测。隐形眼镜也被用来无创地采集眼泪中的生物标志物。泪液中的许多分析物与血清中的分析物相关；检测泪液中的儿茶酚胺或溶菌酶可分别帮助诊断青光眼或干燥综合征。然而，泪液生物标记物的发现尚处于眼部以外疾病的早期发展阶段，目前美国食品药品监督管理局（FDA）批准的临床试验中均未使用泪液生物标记物。唾液也被作为一种诊断液进行了研究，它是血清中许多相同生物标记物的非侵入性来源，甚至包括非口腔癌的生物标记物。
柔性电子技术的发展进一步将可穿戴技术领域扩展到纺织品及其他领域。这些传感器可以很容易地测量生命体征，甚至进行化学分析。例如，最近有报道称，在头带和腕带中进行了汗液分析，其中包含能够处理和传输有关水合作用和电解质浓度的数据的柔性传感器。Kim等开发的“表皮电子学”在超薄膜上提供柔性电子学，这种膜就像临时纹身一样看不见。这些所谓的“生物标记”可以方便地同时跟踪多个健康参数。最近的一项研究证明了在新生儿身上使用的可行性，一个皮肤传感器捕捉心电图，而另一个测量生命体征和血氧合。
可植入和可食用
可穿戴设备必须对用户友好，以保持长期用户参与，但即使是 “临时纹身”监测器也必须每隔几天有意识地重新使用一次。植入传感器并能自动无线传输数据将消除用户参与的变量。苹果手表可以根据需要检测心房颤动。需要长期强化监护的患者可能会接受一种称为Medtronic Reveal LINQ的微创植入式心脏监护仪，电池寿命可达3年，该监护仪可通过夜间无线传输自动报告心律失常发作。这个装置比AAA电池小，被植入锁骨的正下方。
植入式传感器也可以测量体内的生化特征，尽管炎症和纤维化等异物反应会对身体和传感器的测量产生不利影响。尽管如此，仍有一些设备解决了生物相容性问题，例如可植入的Profusa水凝胶传感器，它成功地监测了人体受试者的组织氧浓度，在超过28天内没有不良影响，并且在超过4年的时间内维持功能。该装置在监测外周动脉疾病和伤口愈合方面具有重要的潜在应用。另一种基于单壁碳纳米管的皮下生物传感器检测一氧化氮，一种与癌症相关的炎症生物标志物。该传感器在小鼠体内植入超过400天后保持稳定。
可食用传感器受其通过胃肠道的传输时间（天）限制，但可以从难以到达的位置收集大量数据，从监测克罗恩病时直接显示肠道到测量反映肠道和微生物组活动的气体。粪便挥发性有机化合物可能用于诊断从艰难梭菌（Clostridium difficile）感染到炎症性肠病等胃肠疾病，并可通过气囊传感器进行测量。同时，工程菌已与微传感器相结合，以检测反映胃肠道血液存在的特定分子。
为可穿戴设备和无线通信供电
可穿戴、可植入和可摄取设备使用多种传感方法，从机械（眼压传感器）到光学（使用荧光染料和碳纳米管的可植入分子传感器）再到电子（心电图电极）。虽然实际传感器组件的尺寸可以达到微米级（μm），但通信和电源组件通常更笨重。例如，青光眼隐形眼镜传感器的直径仅为6 μm，但数据传输需要一个粘贴在眼睛周围面部的天线贴片，而该贴片又连接到一个手机大小的有线便携式记录器。
无线数据传输也随着传感器的小型化而发展；生物邮票（biostamp）中的柔性电子元件包含用于射频传输的组件。为了最大限度地减少对身体的能量需求，数据可以传输到附近的智能手机或计算机进行处理。可穿戴无线网络有多种可用标准，但必须考虑功耗、范围、数据速率、网络拓扑和基础设施等方面。最佳标准可能会因传感器数量和设备测量值的不同而不同，这将影响数据缓冲需求。蓝牙和ZigBee是流行的高效低成本解决方案。蓝牙可以在超低功率（约10 MW）下运行，适用于短距离通信（1到10 m）和对等式（peer-to-peer, P2P）拓扑（两个或多个连接的设备共享资源以划分数据工作负载，而无需数据通过中央计算机或服务器）。ZigBee的工作范围更广，具有类似的低功耗要求，可达1500m，没有障碍物，但ZigBee（250 kbps）的数据速率比蓝牙（3 Mbps）低得多。ZigBee设备的一个优点是可以连接到P2P、星形、树形和网状网络拓扑。考虑到网络配置在数据流量、可扩展性、功耗和容错性等问题中的关键作用，在多种拓扑之间进行选择可以进一步优化性能。WiFi（大于100 Mbps）可以实现更高的数据速率，但其更高的功耗（约800 MW）使其对于长期监控系统效率低下。其他模式，如红外数据关联或超宽带提供高数据速率，但受短程（<10 cm）、复杂性和有限的商业应用限制。
身体上的连续监测装置需要小型、高效的电源。许多植入式设备在其使用寿命内必须依赖内部电池，例如，起搏器的电池寿命限制为5至15年，必须通过手术进行更换。如此长的使用寿命需要一个大电池，这对于许多植入式监测设备来说可能并不实用。近场通信传感器可以不用电池，因为它们由无线读卡器供电，但两者必须保持在很近的距离（cm）。其他解决方案包括以电鳗为灵感的柔性电源，可与传感器一起植入，从身体自身获取机械或热能，以及无线充电。然而，为植入式设备无线供电需要一个内部感应线圈与外部线圈同步，如果没有正确对齐，可能会导致组织发热。MagLense方法使用多个线圈来确定哪一个线圈具有最佳对准，从而缓解加热问题并为充电提供精确对准。虽然新的电源技术可能会促进对身体进行更连续的监测，但连续和被动的健康监测可以在家中进行，限制更少。
体外被动健康监测
移动、可穿戴和植入式设备可能实现被动连续健康监测，但完全无创测量将是最受欢迎的；这些设备可以集成到家庭中或家庭周围。在日常活动中，有很多机会监测健康和行为——也许牙刷会在你刷牙时收集你的唾液，你的马桶会自动分析你的尿液和粪便以监测疾病，你的汽车会在你开车上班时检查你的生命体征。
主要汽车制造商已启动项目，将心率、心电图和呼吸传感器集成到驾驶员座椅或方向盘中，通过提醒驾驶员注意从嗜睡到道路暴怒等风险因素，不仅监测健康，还监测安全。睡眠监控还可以最大限度地延长空闲时间。例如，有几种移动应用程序可以通过智能手机加速计和麦克风跟踪睡眠质量和打鼾，还有商用垫子和床垫也可以收集心率、呼吸和身体运动的数据。改进的睡眠监测可以提醒人们注意睡眠障碍，如睡眠呼吸暂停，这与心血管疾病和预期寿命缩短有关。
一天中醒着的时间可以通过智能手机监控，智能手机可以使用集成传感器进行健康测量，或者还可以作为独立生物传感器的主要数据处理单元。例如，心率可以通过将手指靠在智能手机的摄像头上进行测量，也可以通过分析肤色变化以非接触方式进行分析。即使不使用额外的生物传感器，也可以从智能手机的使用模式中得出令人惊讶的结论。麻省理工学院媒体实验室的研究推动了Ginger.io的发展，这是一款可以监控智能手机生成的行为数据的应用程序，如短信（触摸屏输入）、身体运动（加速计）和物理位置（GPS）的趋势。显著的偏差允许应用程序提醒用户注意可能反映抑郁或焦虑的精神病症状，如孤立和嗜睡，允许用户通过集成的自我护理工具和联系治疗师主动寻求帮助。
智能家居也是监测尿液和粪便等生物媒介的更实用的途径。尿液中含有代谢物、蛋白质和核酸，可提供从尿路感染到膀胱癌和前列腺癌等疾病的丰富信息。粪便还可为炎症性肠病和结直肠癌等疾病提供诊断信息，代表结肠镜检查的潜在替代方法。
实施精准健康：数字孪生兄弟
为了充分发挥精准健康的潜力，研究人员设想开发“数字孪生兄弟”（digital twin），借鉴用于维护飞机发动机等机器的行业概念。现代喷气式发动机配备了数百个传感器，这些传感器将数据输入其数字孪生兄弟，这是一种超高保真模拟，使用数据预测维修需求并避免潜在故障。在人类健康背景下，对人类生物学和疾病的理解将为物理模拟提供信息，个性化的疾病风险将设置基本参数，来自监测设备的持续数据流入将允许数字孪生兄弟预测疾病，建议及时检查，并不断完善其预测（图1，见P52）。
实现这一愿景的道路将是艰难的。第一个障碍在于建立模型物理学。虽然已经讨论了技术的最新进展，但必须跟上基础生物学的最新进展，并确定正确的生物标记物进行监测。我们必须像了解疾病状态一样彻底地了解健康状态，以定义两者之间的阈值。连续健康监测传感器和相关研究工作（如Project Baseline和All of Us）提供的健康数据不会缺乏，但对这些数据集的正确解释将具有挑战性。对于通常不以这种频率测量的参数，前所未有的连续健康监测数据的涌入需要一个全新的验证过程和解释指南。至关重要的是，这些数据必须对研究界透明，并可供合作使用，以确保数据可以复制，并确保我们真正了解数据与疾病之间的关系。
另一个障碍是对海量数据的管理。医疗数据的规模已经达到了天文数字，并且呈指数级增长，2013年达到150 EB（106 TB），预计到2020年将达到2314 EB。随着数以百万计的可穿戴设备生成几十种不同健康参数的实时数据，必须对数据进行收集、解析和智能化使用。数据收集的广度可以根据个人风险状况进行调整，只关注与个人相关的疾病。采样频率也可以相应地进行调制，以便在实践中不存在真正的“连续”监测，而是由多个紧密间隔的离散测量组成，只需要频繁测量就可以识别趋势。心脏可能需要每秒多次的采样频率来检测心律失常，而癌症检测可能只需要每隔几周进行一次监测。当检测到基线中的扰动时，可以增加监测。收集的数据然后反馈到数字孪生模型，以进一步完善系统。
数据的增加也预示着假警报的增加，假警报会很快掩盖监测器的任何好处。例如，一款承诺监测新生儿血氧浓度和心率的广受欢迎的婴儿袜子，由于出现假警报和不准确的问题而备受困扰。该设备在商业上相当受欢迎，但从未获得FDA批准。精准健康中使用的设备需要经过严格的验证和质量控制，并且能够区分需要临床关注的真阳性、基线噪声，甚至传感器本身的故障。后端数据分析可以使用大数据和模式识别来指导用户或临床医生注意哪些数据。然而，医疗决策最终需要临床医生的参与，我们必须平衡如何将额外的数据集成到标准医疗工作者的工作流程中。
我们之前已经讨论了精准健康道路上的其他障碍，包括隐私和监管监督问题，以及让用户参与精准健康的行为心理学。连续的传感数据流可以实现疾病的早期诊断和预防，但也可能导致信息过载和警报疲劳。如果使用者和临床医生采用监测设备，则监测设备应承担最小的身心负担。精准健康代表了医疗保健领域的一个重大转变，通过使用流线型设备进行被动监测和智能家居与智能后端数据分析的集成，可以最有效地实现这一转变。随着技术的不断改进，预计数字孪生兄弟（digital twin）等模型也将不断发展，从而使连续监测设备获得更大的认可。
参考文献：Gambhir SS, Ge TJ, Vermesh O, et al. Continuous health monitoring: An opportunity for precision health[J]. Science Translational Medicine, 2021, 13: eabe5383.