展望︱可预期的医疗行业可穿戴设备

简介: 2013年对于健康医疗领域来说,是智能设备“大举入侵”的一年。根据移动技术咨询公司Research2Guidance最新的调查数据显示,在所有平台的应用商店中累计已经有超过10万种形形色色的健康类App,而这其中的前十名每天累计下载量已经突破了400万。

2013年对于健康医疗领域来说,是智能设备“大举入侵”的一年。根据移动技术咨询公司Research2Guidance最新的调查数据显示,在所有平台的应用商店中累计已经有超过10万种形形色色的健康类App,而这其中的前十名每天累计下载量已经突破了400万。

在2013年,我们也看到了许多智能可穿戴设备的身影,比如Nike+ FuelBand、Fitbit等,而到2014年年底智能可穿戴设备的市场潜力将会达到1亿台。

既然2013年最火爆的是健康追踪类应用和智能可穿戴设备,那么在即将到来的2014年又有哪些新的医学健康领域技术让我们激动不已呢?


1、医生办公室中的数据

根据Pew Research调查机构的数据显示,目前已经有21%的美国人通过某种形式或技术来追踪自己的健康数据,随着可穿戴设备及医疗健康应用的蓬勃发展,未来将会有越来越多关于我们日常生活及健康状况的数据。而在2014年,这些数据将会走进医生的办公室,纳入我们日常的医疗护理参考中。

“结合医学知识将我们下一阶段的生理数据进行量化,着重统计和追踪某几个关键的数据,将非常有助于帮助我们预防某些重大疾病,比如糖尿病等。”前麦肯锡白宫医疗技术科学顾问Heather Bowerman表示。“整个规则都将改变,将医生的专业知识与流行的穿戴设备及应用程序相结合,可以帮助我们加强身体所需的营养和锻炼。”

不过iboss网络安全公司首席执行官Paul Martini还警告大家,对于健康数据来说同样属于个人隐私,因此它同样涉及到敏感的数据安全问题。“在2014年可穿戴技术在医疗领域的崛起将引起病人对自己健康数据的担忧,而政府监管部门也有责任和义务监督医疗机构的数据处理流程保证病人的健康数据是安全的。”Martini建议医疗机构应该着重关于数据从应用程序到检查设备中的过程。

目前已经存在一种名为TrueVault的技术旨在解决该项安全问题,它已经通过HIPAA健康保健携带和责任法案,所有健康类应用程序中的数据都受到HIPAA法案的保护。

“一旦应用程序数据与医生们共享,那么这些应用就要通过HIPAA的认证。”TrueVault创始人兼首席运营官Trey Swann表示。“包括医生的分析、诊断或治疗等信息在与应用之间的传递都受到consumer-originated数据的保护。”

2、智能服装

如果你对腕带或衣夹这种可穿戴设备形式并不喜欢,那么在2014年一种全新的智能服装将会出现在市场上。事实上,M & M市场研究及预测机构已经表示,到2018年智能服装和面料的市场销售额将会达到20.3亿美元。

目前,已经有一家名为OMsignal的公司开始关注这个领域,并且已经成功推出了世界上首款可追踪日常行为和健康的智能服装。通过嵌入到服装内的传感器来监测使用者的心率、呼吸及活动频率,并且将数据实时传递到用户智能手机上安装的OMsignal专用客户端上。

OMsignal联合创始人兼首席执行官Stephane Marceau说:“之前谁也想象不到原来服装也可以直接成为可穿戴设备。我们将先进的技术集成到产品中,虽然目前还是通过传感器的形式搜集数据,但是终有一天会将它们直接编织到衣服的纤维中。”

阿迪达斯公司可穿戴电子体育设备副总裁Stacey Burr也非常看好体育和健身领域被实际应用的可穿戴设备2014年的市场前景。“技术创新将对职业体育运动队产生很大的影响,就像我们在美国足球大联盟使用的iCoach精英智能传感器一样,在2014年同样的技术将会被越来越多的应用到体育运动领域帮助参与者获得健康。”Burr说道。

3、增强营养

当然,要说最时尚的健康科技,“吃”可能是最符合条件的领域。目前我们已经看到了一些非常流行的应用程序,比如Fooducate可以通过扫描视频包装的条形码来搜集食品的营养成份。在2014年,我们将会看到越来越多的新技术用来计算我们所摄取食物所包含的卡路里。

比如这款预计在2014年秋季推出的AIRO腕带,能够自动追踪你所消耗的卡路里和饮食质量。它内置的光谱仪可以根据不同的波长来监测三餐食物被吸收到血液中的营养物质。但是未来我们希望不仅仅是卡路里,农药残留、转基因生物及致敏物质都可以进行监测。

TellSpec公司也在开发一种手持设备,可以直接通过扫描的方式分析任何食物的营养物质,而消费者也会第一之间知道自己吃到肚子里的究竟是什么。看来对于那些需要减肥的用户来说,未来精确掌握自己卡路里的摄入将变得非常容易。

4、虚拟健康聊天

如果这些数据的统计、追踪和扫描对你来说仍然非常麻烦,那么让你随时和医生“面对面”也许就是未来的趋势。

HealthTap是一家在线健康问答免费服务网站,可以从医生的角度来回答用户提出的所有健康问题。该网站创始人兼首席执行官Ron Gutman说:“讽刺的是,只有病人才知道自己最真实的感受。当一个人身体感受到疼痛或情绪变化时,只有病人自己最有话语权。”而HealthTap推出的新应用可以让用户通过移动设备随时随地得到医疗领域专业的答案。

而通过基于谷歌在线专家视频互动平台Helpouts发展的虚拟视频服务则可以通过视频聊天的方式让用户获得个性化的帮助。虽然这项服务还处于比较初级的阶段,但是用户已经可以通过Helpouts来咨询身体/心理健康、营养及减肥等内容。甚至我们还可以从兽医那里获得关于我们宠物的健康帮助。

另外,还有不少新的设备可以将我们的手机变成医疗用具。例如Scanadu公司预计将在2014年推出的一款名为ScanaFlo的设备可以对用户的尿液进行分析,可以进行怀孕、血糖水平、蛋白数量等内容的检测。

5、健康的回报

仅仅看上去感觉良好是不够的,如果我们的身体真的非常健康,将会获得什么样的回报呢?

韬睿惠悦(Towers Watson)和国家商业集团最近联合进行了一份关于健康回报的调查,调查结果显示,目前在美国已经有三分之二的公司为员工提供关于健康的金钱奖励,鼓励员工更多的参与健康活动。要知道在2010年这个比例还不到一半。而在2014年,我们将看到更多的公司将通过健康追踪技术来帮助员工养成正确的健康习惯并给予奖励。

比如目前还处于测试阶段名为LifeVest的在线健康激励计划,公司们可以通过该项计划来奖励员工帮助他们改善自己的健康状况。公司甚至还可以邀请员工的家人和朋友一同激励员工使他们获得更多的回报。

同时,最近还出现了一款名叫GymPact的健康奖励应用。如果用户不能按照自己的健身计划执行锻炼的话就会被应用罚款,而这些钱将会用来奖励那些按照协议完成了健身计划的朋友。因此,用户如果能够完成他们的锻炼计划的话,将会得到真实的金钱奖励。相反,如果你是一个容易违背自己计划的人,那么你可能会赔钱。

相关文章
|
前端开发 Java 数据库连接
领域驱动设计(DDD):分层架构
在应用系统开发中,采用严格的、单一的、真正的的分层架构是可以的,但实际上我们已经采用了多种架构模式设计系统。当多种不同范式的架构混合在一起,你会不会出现“指鹿为马”的现象呢?
领域驱动设计(DDD):分层架构
|
API 调度 C语言
C++实现进程调度模拟程序——哲学家进餐问题
C++实现进程调度模拟程序——哲学家进餐问题
688 0
|
9月前
|
数据采集 人工智能 监控
MyEMS 开源能源管理系统后台配置指南 —— 网关管理模块详解
开源能源管控系统面向建筑、工厂等场景的开源能源管理系统,支持电、水、气等数据采集与智能分析,并提供光伏监控、储能管理等功能模块。系统具备完善的网关管理功能,包括网关查看、添加、编辑、删除及批量操作,助力用户高效实现全链路能源管理。
388 1
|
10月前
|
API 开发者
鸿蒙NEXT上传图片功能PhotoViewPicker核心功能解析
`PhotoViewPicker` 是鸿蒙系统中用于媒体资源选择的核心组件,通过它可以便捷地实现图片、视频等媒体文件的选择功能。下面从基本用法、参数配置到高级应用进行全面解析:
285 1
|
12月前
|
人工智能 搜索推荐 Java
【重磅】JeecgBoot 里程碑 v3.8.0 发布,支持 AI 大模型、应用、AI 流程编排和知识库
JeecgBoot 最新推出了一整套 AI 大模型功能,包括 AI 模型管理、AI 应用、知识库、AI 流程编排和 AI 对话助手。这标志着其转型为 “AI 低代码平台”,旨在帮助开发者快速构建和部署个性化 AI 应用,降低开发门槛,提升效率。
556 12
|
机器学习/深度学习 达摩院
阿里达摩院MindOpt优化求解器-月刊(2024年4月)
【摘要】2024.04.30,阿里云发布了MindOpt优化求解器的新商品和功能。MindOpt现在已上架,提供超低价零售求解器,支持按需购买,可在阿里云平台上直接购买联网或不联网License。新版本V1.2发布,提升MILP性能,并增加PostScaling参数。此外,MindOpt Studio推出租户定制版,正处于邀测阶段。同时分享了使用MindOpt解决二分类SVM问题的案例。更多内容,可访问相关链接。
564 0
|
传感器 安全 人机交互
智能家居技术在现代生活中的应用与挑战
本文深入探讨了智能家居技术如何革新我们的日常生活,从自动化控制到数据安全,再到用户互动体验的全方位影响。通过分析智能家居系统的工作原理、实际应用案例及其面临的主要挑战,旨在为读者提供对智能家居技术现状及未来趋势的全面理解。
|
机器学习/深度学习 自然语言处理 自动驾驶
探索深度学习中的弱监督学习
弱监督学习(Weakly Supervised Learning)是一种介于监督学习和无监督学习之间的机器学习方法。它在有限、部分或不完全标注的数据上进行训练,旨在利用这些不完美的标签信息来学习有效的模型。弱监督学习在深度学习中具有重要的应用,因为获得大规模的完全标注数据往往非常困难和昂贵。以下是对深度学习中弱监督学习的详细介绍,包括其基本概念、主要类型、方法、应用场景、优势和挑战。
905 1
|
前端开发
[巨详细]使用HBuilder-X新建uniapp项目教程
【6月更文挑战第6天】安装HBuilder-X 详细步骤可看上文》》 启动uniapp项目 先打开HBuilder-X
1173 5
|
前端开发 UED
微前端架构的崛起:概念与实践
微前端架构是一种新兴的前端架构模式,与传统的单体式前端架构有所不同。本文将介绍微前端架构的基本概念和具体实践,讨论其优势和劣势,以及如何在项目中应用微前端架构。
349 0