穿戴式裝置所帶來的健康數據發展及產業應用變革

時至今日,人們口中的「穿戴式裝置」早已從簡單的計歩功能,逐步演進成具備監測多種身體數值的功能,更能透過生活中長期活動的數據蒐集,藉以研究與電子病歷資料(EHR)中慢性疾病的關聯性。加拿大人工智慧新創 Lydia AI 日前發表一份穿戴式裝置數據報告指出,隨著近幾年亞太地區 (APAC) 穿戴式裝置的逐漸普及與快速發展,預期將對未來的健康保險產生影響。

報告中指出,自2000年起,穿戴式裝置這20年以來的指標性產品功能演變,從最初提供的基本計步、睡眠狀態偵測,一直到近年發展出進階的體溫、血氧、體脂肪測量等數值監測與預警。另外,在產品設計上,除了長期為主流的智慧手環,近期也開始出現智慧戒指、智慧繃帶等其他身體部位的穿戴。

隨著大數據分析及人工智慧科技的進步,科學家們發現,AI能根據穿戴式健康數據,理解到消費者的實際年齡(Chronological Age,簡稱CA)和健康年齡(Biological Age,簡稱BA)的差異,在一定的醫學研究基礎上,能夠給予個人化的健康評估及生活建議。在金融保險領域中,CA和BA的概念對於企業公平待客、提升服務包容性將有所助益。

穿戴式裝置所收集的數據有什麼價值呢?

穿戴式裝置在過去幾年內迅速發展為可以收集連續健康數據的強大的設備,以往這些數據只能在醫院和診所中,透過專業技術才能取得。隨著穿戴式設備數據與 EHR ,以及由機器學習提供支持的強大分析引擎的集成。當中的整體健康檔案可用於提供大量新的健康和財務資訊產品供應。隨著穿戴式技術變得越來越複雜,它收集的健康數據也越來越廣泛。

穿戴式數據的分析整合上是有難度的,以下兩個新興的國際標準和資料協定有助於加速這方面的進展:

  1. 快捷式醫療服務互操作資源 Fast Healthcare Interoperability Resources (FHIR) - 加速數位解決方案透過API進行資料交換
  2. Substitutable Medical Applications and Reusable Technologies (SMART) - 將跨應用的資料交換標準化

首先就技術而言,穿戴式數據與傳統健康資料庫最顯著的不同在於,穿戴式數據的特性為長時間、連續每日活動的情況,對深度學習架構師而言,穿戴式裝置能收集如血壓值的生物標記、量測紀錄及身體活動紀錄,將健康資料分析推向革命性的進展,例如透過說話方式和聲音分析,偵測個人的精神狀況、又或是藉由長期觀測呼吸的規律,以預測心臟停止跳動的情況等。

當消費者對於自己的健康年齡(BA)和健康風險有所認識,將有助於提升其了解保險產品的意願,以及選擇適合自己的保障計劃。讓消費者掌握自身相關的數據以做出合理的購買決策、提升服務體驗,即為公平待客的一環。

此外,隨著社會逐步邁向高齡化,目前既有的保險商品適用年齡及健康門檻可能逐漸將龐大的長者客群排除在外。保險業者如何維持商品的風控,將商品適用性擴大至高齡但健康的族群?有沒有可能透過穿戴式數據長期的健康監測,開發新型態的產品、動態調整保費的定價方式、甚至結合生態圈業者,提供完整的健康生活服務?這些可能性都將跟隨穿戴數據的發展,以及AI在健康分析上的演進,進而越趨明朗、指日可待。

香港地區持有穿戴裝置的人口比例(51%)為亞洲最高,相當每兩人之中、就有一位擁有穿戴裝置。
此連結閱讀完整的 Lydia AI 穿戴式裝置研究報告

進一步了解更多技術分享