可穿戴生物傳感器已成為連續、實時健康監測的平臺，能夠以非侵入性或微創的方式從人體不同部位采集生理、生化和環境信號。憑借小型化設計、組織貼合外形和良好的舒適性，這些設備可以融入日常生活，以接近傳統臨床設備的性能采集多模態生物信號。除了即時診斷之外，它們正在推動醫療服務向非侵入式、分散式居家監測方向發展，支持持續監測、早期檢測和精準干預，同時減輕臨床負擔。

盡管傳感性能*，但瓶頸在于解讀：高容量、異構的數據流難以手動解析，且無法擴展。多領域人工智能通過聯合學習多種模態并注入結構化領域知識來解決這一問題。多傳感器融合將互補信號對齊成共享表示；知識圖譜對精心整理的臨床關系進行編碼，以增強推理能力并降低脆弱性。跨域遷移）則重用在數據豐富的環境中學習到的抽象概念，以指導探索不足的情況，從而在數據稀疏時提高系統的魯棒性，推動系統從傳感器向決策者轉變。大型語言模型（LLM）為這一技術棧增添了對話層，將復雜的輸出轉化為清晰的、面向患者和臨床醫生的指導，并支持對不確定性和偏好的交互式探索。結合連續傳感技術，這些智能體能夠引導系統從原始信號向決策者轉變，觸發決策、分析風險并提出后續步驟建議，而無需面對面咨詢，從而支持患者自我管理，同時減輕醫護人員的工作負擔。

在本綜述中，我們概述了多模態生物傳感和多領域人工智能的進展，并探討了它們的融合如何實現去中心化的、以患者為中心的醫療服務。我們首先概述了多模態可穿戴生物傳感技術的進展，以展示其對生理過程的互補覆蓋，并重點介紹具有代表性的診斷和篩查研究。然后，我們著重探討數據融合，闡述如何將手傳感器數據流與電子健康記錄和醫學文獻相結合，從而支持更精準的個體特征分析、鑒別診斷和決策支持。最后，我們討論了尚存的挑戰、可互操作數據集成的標準、隱私和治理、通用性和信任問題，并展望了閉環系統在生命體征層面提供全面評估的機遇。

來源：傳感器專家網