综述：人工智能集成的可穿戴生物医学设备在癌症管理中的应用

本综述系统阐述了人工智能（AI）与可穿戴生物医学设备（WBDs）融合技术在癌症筛查、诊断与治疗中的前沿进展。文章重点探讨了WBDs在实现连续、无创原位（in situ）生物信号监测和实时组织成像方面的优势，并详细分析了AI技术在提升信噪比（SNR）、实时数据处理以及实现闭环干预等方面的关键作用。同时，综述也展望了该领域在提高SNR、降低高灵敏度导致的假阳性以及保护患者数据隐私等方面的未来发展方向。

癌症仍然是全球主要的死亡原因。传统的癌症管理严重依赖医院的影像学和侵入性诊断，这些方法具有间歇性、成本高且患者依从性差等局限性。可穿戴生物医学设备的出现提供了一个引人注目的替代方案，能够在日常环境中实现连续、无创的原位生物信号监测和实时组织成像。特别是，这些设备最近与治疗模块和人工智能相结合，并适应了闭环干预，从而实现了精确的、按需的药物输送和局部治疗。

WBDs在癌症管理中的基础

WBDs通常通过皮肤测量生物物理或生化参数，并将其转换为生物信号或图像以供进一步分析。凭借其小型化、长期能量供应、高灵敏度和贴合穿戴等独特优势，WBDs能够实现对肿瘤的微创甚至无创连续监测和及时治疗干预。

根据分析物的类型，WBDs可分为两大类：可穿戴生物医学传感器和可穿戴生物医学成像仪。WBS旨在测量生物信号，实现对肿瘤相关指标（如pH水平、化学浓度和特定生物标志物）的连续实时监测。WBI则通过将生物信号转换为图像（如可穿戴超声成像仪）来提供肿瘤的结构或功能可视化。WBS和WBI都能产生连续实时的数据，这为癌症管理提供了便利。

AI技术与WBDs的集成

WBDs产生不同类型的数据，从生物信号到医学图像不等。为了从这些异构数据中得出具有临床意义的见解，先进的数据处理和分析技术至关重要。人工智能技术在此过程中扮演重要角色，它能够实现信号去噪、复杂模式识别和未来结果预测，从而支持更明智和个性化的治疗决策。

根据临床目标，AI模型通常分为分类模型和风险预测模型。分类模型侧重于分析疾病的当前状态，例如识别肿瘤存在、恶性分化转移。风险预测模型则旨在估计未来的临床结果。这些任务得到广泛的机器学习技术的支持。根据数据类型的不同，采用不同的处理流程。对于WBDs获得的生物信号，预处理通常涉及去噪。随后的分析，包括特征提取和分类，可以遵循逐步流程，也可以采用端到端的处理方法。对于来自WBIs的图像数据，则优选2D/3D CNN或基于Transformer的模型来捕获高维空间特征。

WBDs在癌症筛查中的应用

早期癌症筛查对于改善预后和降低死亡率至关重要。WBDs为癌症筛查提供了一种创新解决方案，克服了传统方法的许多局限性。利用先进的生物传感和数据传输技术，它们有助于对各种肿瘤相关生物标志物进行连续、无创和实时监测。

当前的 wearable 筛查策略主要集中于DNA相关和非DNA相关生物标志物的检测。DNA相关生物标志物，如EBV DNA、cfDNA和ctDNA，为癌症筛查提供了高特异性。非DNA相关生物标志物，如循环肿瘤细胞和皮肤表面酶，则可以提供与肿瘤发生或宿主反应相关的早期生化改变信息。此外，一些基于肿瘤成像的方法也被用于早期癌症筛查。

AI集成WBDs通过实现更高的SNR、提高准确性、实现连续监测和支持用户友好型设计，为癌症筛查带来了显著益处。例如，AI去噪后处理方法提高了WBDs的信噪比，有效解决了因设备放置不当和环境干扰以及次优检测阈值引起的信号质量问题。

WBDs在癌症诊断中的应用

与旨在检测无症状个体癌症的筛查不同，诊断是在患者出现提示疾病的临床体征或症状后启动的。WBDs通过整合先进的生物传感器和实时数据处理方法，来检测和分析癌症相关的异常，并有可能提供实时肿瘤成像。

WBDs在癌症诊断中的工作原理如下：首先，WBDs配备非侵入式传感器，用于连续监测身体参数。其次，传感器将收集到的数据传输到处理器或连接的移动设备进行初步预处理。第三，WBDs分析预处理后的数据，并寻找可能表明肿瘤或癌症相关代谢变化的异常模式或偏差。最后，一旦检测到潜在的癌症相关异常，设备会实时提醒用户和医疗保健提供者。

WBS在癌症诊断中通过捕获与肿瘤存在或进展密切相关的动态生物信号，实现了更早、更灵敏的肿瘤诊断。WBI，如可穿戴超声成像和电阻抗断层成像，为非侵入性、实时肿瘤监测提供了有前景的解决方案。

AI与WBDs的集成主要通过分析这些设备收集的数据（包括传感器信号和医学图像）来提高癌症诊断的效率和准确性。结合AI算法与连续的生理信号可以实现有效的乳腺肿瘤分类。在可穿戴癌症诊断中，AI通过自动识别病变、提取相关特征、识别肿瘤相关模式和对病变进行分类，进一步提高了性能。

WBDs在癌症治疗与治疗监测中的应用

WBDs在癌症治疗和治疗监测中的工作原理依赖于智能传感器和数据采集系统的集成，以连续捕获实时的生物信号或成像参数。然后可以向临床医生和患者提供反馈，从而实现个性化、非侵入性和及时的治疗。

WBDs在个性化治疗效果监测中发挥着至关重要的作用，在术前活动监测、临终关怀和放疗剂量追踪等多个领域显示出广泛的临床适用性。通过改善实时数据收集和分析的能力，WBDs不仅提高了临床决策的科学性，也增强了患者的自我管理能力。

WBDs越来越多地与药物输送模块集成，以实现精确、可控和响应性的癌症治疗。这些设备可以监测生物物理信号或肿瘤微环境变化，随后启动刺激响应的按需药物输送机制。近年来，用于肿瘤的局部物理治疗方法因其非侵入性、可控性和强靶向性而受到广泛关注。它们通过外部物理效应调节肿瘤微环境，有效杀死肿瘤细胞而不损伤正常细胞。

AI集成WBDs在癌症治疗方面显示出巨大潜力，特别是在术后并发症预测、生化指标监测和死亡风险评估方面。与传统方法相比，AI集成WBDs实现了更高的预测准确性、更及时的风险识别和更强的个体化干预，为癌症治疗带来了更智能、更精准的改进。

总结与展望

凭借其小型化、长期能量供应、高灵敏度和贴合穿戴等特点，WBDs克服了传统癌症筛查、诊断和治疗策略的局限性。此外，AI已被广泛集成到WBDs中，以解决因实时和长期监测以及患者特异性生物信号变异而产生的复杂且大量的信号问题。

尽管WBDs在癌症管理中取得了巨大进展，但要充分发挥其潜力仍面临一些挑战，例如因设备放置不当和环境干扰导致的有限SNR、AI训练期间的患者数据隐私问题以及高灵敏度导致的假阳性。未来的发展方向包括通过优化传感器性能、粘附性和数据处理算法来提高WBDs的信号质量；通过加强全链路加密协议的实施和推进，以及开发分布式AI处理架构来保护医疗数据隐私；通过开发具有自适应阈值调整能力的WBDs和基于大量数据训练AI模型来减少假阳性。

我们相信，随着AI集成WBDs的发展，它们在癌症筛查、诊断和治疗中的应用将取得进一步的突破。