Page 34 - 《中国医疗器械杂志》2025年第6期

Chinese Journal of Medical Instrumentation 2025年 第49卷 第6期

综 合 评 述

可穿戴设备
数据采集 智能手机应用
植入式传感器
传输数据

人工智能算法
数据分析 深度学习模型
风险预测

实时采集数据
风险评估与建议 （心率、血压、血氧等）

个性化治疗方案
优化数据采集 干预措施 远程医疗指导
行为干预
个性化干预
（药物调整、生活方式指导）
优化分析算法

优化干预措施 患者

治疗效果反馈

患者依从性
反馈循环 临床效果评估
持续优化
图1 数字疗法在心血管病治疗中的流程
Fig.1 Clinical workflow of digital therapeutics in cardiovascular disease treatment
此外，该治疗方法能够显著提升患者的自我效 2.2 冠状动脉粥样硬化性心脏病
能感 （self-efficacy，即个体对自身实施健康行 2.2.1 冠状动脉粥样硬化性心脏病风险评估与
[15]
为的信心），改善治疗的顺应性，从而促进临床 干预
[16]
疗效的实现。CHEN等 指出：尽管大多数个体在 冠状动脉粥样硬化性心脏病（coronary athero-
接受有效的健康教育和行为干预后，能够在一段 sclerotic heart disease, CHD）是全球范围内导致死
[19]
时间内采纳并维持新的健康行为，但这些改变通 亡的主要原因之一 。其中，低密度脂蛋白胆固醇
常缺乏持久性。相较于药物治疗，生活方式调整 （ LDL-C）异常是CHD的关键危险因素，尽管已有
的依从性较低，因此，通过风险感知 （即血压 明确的LDL-C管理指南，但治疗不充分、诊断不全
[17]
[20]
趋势预测）来增强生活方式改变的动机非常重 面以及患者对治疗方案的不遵从问题仍存在 。
[18]
要。SAKIMA等 比较了数字疗法与常规护理对 在对CHD的早期管理方面，基于人工智能的
不同人群的血压管理的影响，发现数字疗法在3个 风险预测算法（如常规 ECG、基因组数据等）
月、6个月、12个月及更长时间内，均能显著降低 正 在 逐 步 应 用 。 GARCÍA等 [21] 在 一 项 研 究 中 发
收缩压和舒张压，而且相比于非高血压人群（收 现，可以通过实施虚拟脂质访问模型来指导血脂
缩压降低2.17 mmHg），其对高血压患者的效果 治疗，从而实现LDL-C＜55 mg/dL的目标。其研
更为显著（收缩压降低4.81 mmHg），同时其使 究结果显示，患者LDL-C水平从基线的（108.4±
用模式（如基于应用程序、短信或网络平台）和 40.6）mg/dL降至（48.7±14.4）mg/dL，95.4%的患
实施场所（医疗机构或非医疗机构）的差异对干 者在3个月内达到LDL-C＜70 mg/dL的水平，81.5%
预效果的影响较小。 达到＜55 mg/dL的水平，为精准用药和生活方式
数字疗法依赖智能设备和算法，血压监测设备 干预提供了客观依据。
的精度和数据传输稳定性直接影响疗效。开发高 2.2.2 急性心肌梗死的院前管理
精度、低成本的设备及安全的数据系统是关键技术 急性心肌梗死死亡率高，尽早血运重建是
挑战。 挽救患者生命和改善预后的关键，因此在发病后的

620