四、结论与展望

随着科技的发展，可穿戴医疗设备的技术日渐成熟。大量临床实验表明，便携式、可穿戴式医疗设备的测量能力甚至可以和医院级的标准设备相媲美。利用可穿戴生理感知技术对急进高原环境下生理参数的实时动态监测和评估，将会在急性高原病的预警和辅助诊断中发挥重要作用。但是，实验过程中采集的数据可能存在重复、缺失、时间间隔混乱和个体之间不平衡等问题，如何处理这些异常数据以及所有样本之间的标准化，是实时监测算法中的一大难点。未来AMS相关研究可能需要更加科学的实验方案设计。在能力范围内，尽可能地选择年龄、健康状况和生活习惯相类似的志愿者参与实验，统一志愿者在实验过程中的放松状态和呼吸频率等干扰变量。对诸如心理因素等难以量化的生理指标，需要更加科学的评分方法来定量研究。对生理指标进行24小时的连续监测，并对白天和夜间、休息和活动等不同状态下的数据使用不同的分析方法，可能会得到更加理想的效果。

目前AMS领域的数据分析方法多基于统计学，但通过调研发现，信号处理、过程控制和机器学习等技术均可以用于医学数据的信息挖掘。另外，可穿戴设备除了可以感知相关生理信号，若将嵌入式技术融入设备的设计，利用单片机对采集的信号进行实时处理，设备或能实现数据采集和分析一体化。若微处理器无法承担大量数据的计算量，可利用物联网等通信技术将数据实时传入计算机，实现AMS的远程医疗诊断和预测。因此，医学学科和工学学科的进一步交叉融合可能会是可穿戴感知技术助力AMS的实时监测与诊疗的突破点。图17.9为高原环境下生理参数的实时动态监测和评估的模式。(https://www.daowen.com)

图17.9　高原环境下生理参数的实时动态监测和评估的模式图