作者：郑文，曹江北，解放军总医院第一医学中心麻醉科

在现今医疗环境中，患者的诊断、监测、治疗大多要依赖于大型专业设备，但这可能影响就诊体验，甚至对身体造成一定损害，尤其在手术麻醉等场景中，传统监测方式如动脉置管、中心静脉置管等有创操作不仅增加了手术风险，也限制了术中操作的灵活性。此外，人口众多导致医疗资源紧张，催生了市场对小型、便携医疗设备的需求。

随着健康意识的提升，人们对自身健康监测的需求不断提高。近年来，借助电子制造、生物传感器及柔性材料等技术的快速发展，已研发出许多可穿戴、可拉伸、无创、非侵入性、高灵敏度、轻便小巧、可动态连续测量多个参数的电子设备，可用于医疗诊断、监测等。这些设备在围手术期的监测中显示出独特优势，能够在不干扰手术操作的前提下，提供动态、连续的生命体征信息，辅助麻醉深度判断和术中风险识别。

目前，多种可穿戴监测设备已被设计、制造并投入市场。这些设备多基于物理传感原理，如压阻式、电容式和压电式等，可监测体位、心律、脉率、心率、呼吸、体温等生理参数。如智能腕表或戒指可监测静息脉率、睡眠模式，并智能识别健康状况是否异常。此外，高灵敏度的电容式和电阻式压力传感器已用于监测脉搏波形，并进一步评估心血管健康状况，在术中麻醉管理和术后恢复监护中具有实用价值。

相比现有监测性能相对单一的可穿戴设备，混合多模态监测系统正成为新趋势。这类设备不仅能捕获多模态生理病理数据，同时还可以智能分析健康状况，通过内置的不同分析诊断模型，实现疾病的智能早期诊断并给出个性化的治疗方案。如在糖尿病管理中，多模态监测系统可通过生物化学传感器检测葡萄糖、胰岛素、钠离子等生物标志物，同时利用生物物理传感器监测血压、心率、脑电图和脉搏血氧饱和度，实现全面健康监测。类似技术同样适用于麻醉科室与手术室，在日间手术、术后恢复、老年麻醉、危重患者管理等场景中提供实时远程支持，优化麻醉方案，减少并发症发生，提升患者就诊体验。

1.　可穿戴多模态智能生理监测研究现况

1.1　可穿戴多模态智能生理监测指标　

人体的健康状况可以通过多种生理参数来表示，在评估和诊断某种疾病时，需要特别注意这些生理参数的个体作用和相互作用。健康评价中可检测的指标大致分为：（1）身体运动指标，包括手、肢体、足、面部、咽喉等部位的运动指标；（2）生命体征指标，包括呼吸、心率、脉率、心律、血压、体温、脉搏血氧饱和度等指标；（3）代谢参数指标，包括葡萄糖、pH、电解质、乳酸等指标。这些指标可以分为物理指标与化学指标。物理指标是指身体运动、呼吸、心率、心律、体温等，而化学指标主要是指代谢参数指标。

身体运动指标：人体运动指标监测可以考虑两大类，即监测大规模运动（如膝盖、手和手指弯曲）和监测小规模运动（如呼吸和吞咽时的胸部运动）。目前已出现基于压电、摩擦电、压阻、电容等多种机制的可穿戴传感器来监测身体运动，这些传感器表现出优异的性能，包含高灵敏度、耐用性和灵活性。例如，从附着在手指上的传感器获得的数据可用于帕金森病的诊断和预后。为了预防老年人意外跌倒导致的死亡，开发了各种传感器来预测老年人的跌倒风险。

生命体征指标：心率和脉率是心脏最简单的两个指标。这些参数可以通过压力、加速度和应变传感器检测到。这些传感器可以放置在胸部、颈部、手腕和指尖。心电图可以提供心脏跳动过程的详细信息，对预测严重的心脏病发作有很大的帮助。电极是获取心电图的关键元件，传统的电极通常安装在胸部、手腕和脚踝。人们在不断地改进电极，同时也发明出柔性灵敏的传感器来监测人们的心跳。体温变化是多种疾病及围手术期的重要生理指征，因此体温监测在医疗健康领域备受关注。传统监测手段如粘贴式温度传感器和红外热像仪虽具备一定优势，但存在成本效益低且无法连续监测等局限性。

当前关于可穿戴体温监测的进展在于其传感系统。这种系统基于电阻检测和比色分析原理，并通过集成多层级电子器件实现精准健康监测。代谢参数指标：人体代谢内稳态对健康至关重要。传统监测方法通常需要采集血液样本进行检测分析，以评估各项离子和代谢物的水平。为了对这些生物标志物进行无创、连续监测，人们开发了许多可穿戴生化传感器来监测体表排泄物中的电解质和代谢物水平。

汗液是非侵入性方法中最常用的生物体液，人们已经预先评估了未经预处理或过滤的汗液中Ca2+、Na+、K+、Cl- 和重金属的水平，设计出了一个能够同时测试不同的电解质的可穿戴监测平台。同时，汗液中的葡萄糖也可以作为诊断和治疗糖尿病的指标进行监测，汗液中的乳酸可用于跟踪个人的新陈代谢和运动水平，同时也是组织氧合和缺血性疾病的重要生物标志物。除汗液外，眼泪和唾液也可作为代谢监测的体液样本。

1.2　可穿戴多模态智能生理监测材料的柔性化　

柔性/ 可拉伸传感器由三个基本组件组成，包括衬底、有源元件和电极/ 互连。衬底是可穿戴传感器柔性和可拉伸性的主要来源，直接决定了舒适度和长期使用的可靠性。目前，用于健康监测的可穿戴传感器常用柔性基板包括聚氨酯、聚二甲基硅氧烷、聚对苯二甲酸乙二醇酯、Ecoflex 聚合物和聚萘二甲酸乙二醇酯等。而多种纳米材料已被用于制造可穿戴传感器的有源元件。例如，石墨烯、碳纳米管、银纳米线、镍和铜金属纳米颗粒及导电聚合物等。

近年来已经出现了许多不同的可穿戴传感器制造工艺。如丝网印刷技术因其成本低、可大规模制造、坚固耐用等优点而得到广泛应用。卷对卷凹版印刷是另一种印刷方法，可用于一系列可穿戴传感器的电化学传感，目前可以用于工业规模的快速生产。喷墨打印是一种非模板的方法，具有消耗材料少、纳米材料的精确沉积，以及易于改变数字图案等优点。这种技术可提供良好控制的几何形状和相对均匀的厚度。

3D 打印是一种快速成型工艺，已用于制造工程和医学应用中的传感器。3D 打印是一种经济、简单的工艺，可用于在不同基材上制造几何复杂的零件。印章转移是印刷方法的另一种技术。印章转移法提供了在非平面基底和大型结构上生产电化学传感器的方法。印章转移电极可作为传统丝网印刷电极的替代方案，具有类似的分析优点。光刻技术、离子束光刻技术和电子束光刻技术都属于光刻技术。这些技术已用于制造高性能可穿戴电子产品的电极。与光刻技术相比，上述这些制造工艺的共同特征是低温、低成本、可扩展性强、对柔性基底友好，正是当前可穿戴设备中柔性传感器制造所亟需的。因此，这些制造工艺是推动可穿戴传感器柔性化发展的关键支撑。

1.3　可穿戴多模态生理监测的智能化　

面向下一代智能可穿戴设备的多模态传感系统，其智能化核心在于算法架构的创新突破。当前技术体系主要依托机器学习与深度学习两大范式构建，二者通过数据驱动的特征工程与模式识别技术，正推动着可穿戴医疗监测从单一参数检测向疾病预测决策系统演进。在基础技术层，传统机器学习采用监督/ 无监督学习框架，通过数学建模与规则引擎处理可穿戴设备采集的多模态数据信息。如基于心率和血糖时序数据构建慢性病预测模型，实现糖尿病等疾病的早期预警；又如通过帕金森病患者运动轨迹分析，动态优化左旋多巴给药方案，使症状控制有效提升。但受限于浅层网络结构，机器学习算法也将面临如处理可穿戴设备大量的数据流时，特征提取效率骤降；以及处理如心电图信号中的微伏级波动时检测能力不足等挑战。

深度学习通过构建5~15 层神经网络架构，在三个方面实现技术跃迁：（1）基于TensorFlow/Caffe 等开源框架，利用卷积神经网络自主提取穿戴式心电图信号的时频域特征，可检测房颤等心脏异常的亚临床级病理特征；（2）长短期记忆网络处理如24 h 动态血糖数据时，可以提升预测准确度；（3）采用迁移学习技术时，可使模型在新型可穿戴传感器（如汗液生物标志物检测贴片）的适配周期显著缩短。这些突破使得深度学习在糖尿病微血管病变预测等场景中，阳性预测率可达91%。

2.　可穿戴多模态智能监测的临床应用

近年来开发了许多不同的可穿戴多模态智能监测平台，通过监测生物物理和生化信号来获取全面的健康信息。

2.1　用于手术患者围手术期的智能监测　

传统围手术期生命体征监测依赖于导管、电极和线缆，常常对患者的活动造成限制，尤其在术后恢复期间影响其舒适度。而新型的可穿戴多模态智能监测系统，采用柔性材料与无线通信技术，能够无创、连续监测多种关键生理参数（如心率、体温、血氧、血糖等），显著提升患者在院期间的活动自由度与生活质量。该系统通过与智能终端的数据同步，在保障监护连续性的同时，减少了患者对于床旁设备的依赖，特别适用于术后早期活动和加速康复需求的场景。

在临床麻醉实践中，这类智能监测系统为特定术式提供了更优的解决方案。例如，复杂软组织损伤修复、整形外科手术，或双上肢需要同时消毒但手术范围有限的病例中，常规动脉置管监测不仅操作困难，而且创伤较大。相比之下，基于柔性苯乙烯—乙烯—丁烯—苯乙烯嵌段共聚物基底构建的可穿戴平台，既可贴合皮肤表面，实时监测葡萄糖、乳酸、NH4+、局部创伤温度等重要生化指标，又能通过无线系统同步至临床监护终端，保证手术期间的动态评估与安全保障，尤其适用于无需侵入式动脉监测的中低风险手术。更具创新性的是，这类平台不仅具备监测功能，还整合了电响应的抗炎药物释放模块与电刺激机制，可在创面处实现局部治疗与组织修复，真正实现“监测- 反馈- 干预”一体化。这在术后恢复期与慢性创面管理中尤为关键，为远程护理与随访提供了新手段。

2.2　用于慢性病管理的智能监测　

近年来，可穿戴多模态智能监测平台在糖尿病、高血压、慢性心血管疾病等慢性病管理中展现出广阔前景。2016 年，首次提出可实现同步且连续的化学与电生理信号实时监测的“化学- 物理”混合平台。该系统通过非侵入性柔性表皮贴片，同时监测汗液乳酸浓度与心电图信号。该系统可综合评估心率、运动状态、组织氧合及潜在缺血风险，为慢性病患者提供实时健康反馈。

此后，研究团队在2021年开发出一款3 cm×4 cm 的柔性表皮贴片，可同时无创评估颈动脉血压、心率、汗液与间质液代谢参数。该设备通过集成超声换能器与电化学传感阵列，结合1 cm 的优化间距，成功避免声学与电信号串扰，提高了动态监测准确性。另一款腕带式设备可实现汗液葡萄糖、脉搏血氧饱和度、心率及运动水平的多维度感知。其内置温度传感器可实现实时校准，搭载微流控汗液采样模块与深度学习算法，有助于运动中低血糖风险的预警与管理。

同时，一种基于PET 薄膜的柔性多模态智能贴片，集成汗液葡萄糖、皮肤温度及心电图信号监测，采用聚二甲基硅氧烷帽结构稳定汗液采样，减小外界温度干扰。但临床使用中仍存在汗液响应延迟与心电图信号衰减等问题，主要源自皮肤与电极之间的液体通道距离和汗水引起的接触阻抗变化。为改善上述问题，研究者进一步开发了微流控集成平台，融合心电图、心率、温度、汗液pH 和葡萄糖监测功能，采用层层集成的柔性材料与创新电极结构，显著提升信号质量，并实现无线传输，为慢性病个体化管理提供技术支撑。

2.3　用于急性事件预警的智能监测　

针对运动过程中突发低血糖、心律异常或应激相关事件，可穿戴多模态系统也具备实时监测与预警潜力。如前述多功能腕带与智能贴片，通过同步监测葡萄糖、脉搏血氧饱和度、心率与体温，并结合深度学习算法，可在剧烈运动或特殊生理状态下识别潜在危险事件，如低血糖发作或心律异常。此外，CARES 电子皮肤系统融合酶促、离子和生物物理传感器，通过AI 增强分析，可连续工作超过100 h，成功识别多种日常活动中的应激源并量化生理反应。该平台在急性应激反应识别与实时干预建议方面展现了临床应用潜力。

2.4　用于精神与神经疾病的智能监测　

针对神经系统疾病的早期诊断与管理，可穿戴系统正从单一生理信号采集迈向代谢与脑电同步监测。一项将混合传感贴片集成至无线耳机的研究，通过AI 驱动平台，成功实现汗液乳酸与脑电图信号的同步记录。该系统采用可调节电极与柔性基底，保证佩戴舒适度与信号稳定性，结合深度学习算法解析大脑动态活动变化。研究发现，乳酸水平变化可作为癫痫发作的辅助诊断指标，该设备有望用于癫痫的远程识别与早期干预，甚至拓展至其他神经系统疾病的动态评估。

2.5　用于特殊人群的智能监测　

特定人群（如高强度运动者、老年人、术后患者）对多维度、长期、生理状态跟踪的需求日益增加。例如，前述多模态腕带与表皮贴片系统，通过对体温、葡萄糖、心电图、运动模式等信号的整合分析，可用于老年群体慢性病的多参数评估；而融合微流控与无线通信的柔性绷带平台，则为行动不便或无法频繁就医的患者提供了高频率、低干扰的远程监测与治疗手段。

3.　展望

虽然截至目前可穿戴多模态智能监测系统取得了许多重大进展，但大多数可穿戴监测系统仍处于原型状态，在量产化、多功能化、系统化和智能化方面仍面临巨大挑战。多模态可穿戴智能监测系统目前实验室制备工艺难以满足批量生产需求，导致价格居高不下，同时该系统的长期可靠性与稳定性也有待进一步验证。在＜ 10 cm2 的穿戴面积内集成生物物理、生物化学等多模态传感器，会面临电磁干扰和机械应力分布难题。选择既具有生物相容性又耐用的材料对于可穿戴设备至关重要。多模态传感器模型常常需要较高的算力算法进行数据融合，需要良好的数据传输能力，需要与其他平台对接以及较长的电池寿命等等，都是有待进一步发展的方向。

未来，可穿戴多模态监测系统的广泛应用将极大拓展其在临床医疗中的作用边界。在临床麻醉中，该系统可实现非侵入式持续监测，辅助判断麻醉深度与术中风险；在急救转运中，能动态采集生命体征并实现远程联动，提高决策效率；在慢病管理中，则可积累多维度健康数据，支持个性化干预与精准治疗。这些应用有望提升医疗服务的连续性与主动性，推动医疗从“以治病为中心”向“以健康为中心”转型。而唯有柔性材料、智能算法与临床需求形成闭环协同，智慧医疗才能真正落地，实现预测性、预防性和个性化的健康管理模式。

来源：郑文博,曹江北.可穿戴多模态智能生理监测的研究进展[J].麻醉安全与质控,2025,7(05):445-450.DOI:CNKI:SUN:MZAQ.0.2025-05-017.