技术进步掀起仪器诊断变革
一直以来，仪器诊断使医生能够在检查患者的过程中增加其问诊手段的多样性和客观性，可能比其他学科更能推动其职业生涯进步。借助这些仪器，医生可以精确测量体温、血压、肺活量、骨折移位、炎症、心律以及许多其他生物标志物，再结合症状和患者病史，精确了解患者的健康状况。随着传感器和人工智能的进步，客观的检测、测量和解释正取代过去主观的诊断手段。此外，这些进步还改进了居家检测方法，并将患者数据与经验研究联系起来。
实现客观检测与测量
看一下脑震荡评估和诊断，就可以了解客观检测是如何取代主观诊断的。脑震荡是每年发生在30多万名运动员身上的一种损伤， 其症状及严重程度的主要衡量指标是瞳孔光反射评估，传统的做法是医生用手电照射瞳孔，然后观察瞳孔的收缩和扩张。当然，这种方法的问题在于，患者之间存在巨大差异，不同的医生对瞳孔大小和反应的主观理解也不同。
为了替代瞳孔测量中的手动评估，人们正在试验使用复杂技术和传感器的先进计算机辅助替代方案。例如，智能电话或虚拟现实耳机中内置的微型高分辨率摄像头现在能够以每秒高达数百帧的速度记录眼睛状况。针对实时分析进行了优化的计算机视觉流程从图像中提取巩膜、虹膜和瞳孔等眼睛各部分的特征。使用肉眼不可见的红外光谱，大大简化了图像分割。然后，复杂的数学模型将这种像素数据传输到三维眼模型，以得出真实的测量单位，例如毫米。最后，机器学习算法消除数据中的噪声，识别时间序列中的图案，确立针对总分析对象参数的预估分布参考标准，并给出结果。
这种方法可提供准确的测量结果，消除主观性，并将医生的责任转移到验证、解释结果以及将结果传达给患者。此类方法可针对医疗保健中的特定应用优化，并最终实现以前不可能实现的客观诊断。例如，现代的热成像摄像头正越来越多地用于检测炎症，使用先进的降噪算法甚至可以用来检测乳腺癌。与经典的X射线乳腺摄影不同，这种检查可能在癌症的早期更加精确，同时，既不使用具有潜在危险的辐射，也不会有任何形式的触摸。在新冠疫情等需要大规模发热检测时，这些技术为无人值守的高效自动检测提供了巨大的机会，结果也比接触式方法准确得多。
实现居家实时检测
微型技术，特别是小型可穿戴检测设备，正在使医疗场所外的检测成为现实。例如，需要做心电图的患者不用再去医疗机构就诊，戴上Holter监护仪就可以在他们的日常生活中收集长期的心电图数据。这些监护仪安装有电极，大小与小型摄像机相仿，可佩戴24至48小时，虽说仍然有点笨重，可能会限制患者的某些活动，但是相比到医院检查，它们可以提供对患者心律更广泛的了解。
技术的进一步小型化在继续加速医学进步。健身手环和智能手表中内置的新一代光学传感器有望大大提高舒适度，同时提供越来越有用的数据。尽管数据质量可能比不上基于电极的同类产品，但Apple最近展示了智能手表在检测某些形式的心律不齐方面的潜在用途，这引起了巨大的轰动，远远超出专家的预期。除了测量心血管系统各部分的此类设备外，其他传感器也可用于监测其他多种身体功能。例如，眼罩样式的现代便携式脑电图头戴设备已经可以在自家卧室用于捕捉粗略的大脑活动情况，而不用让患者到不熟悉的睡眠实验室去接受观察。随着经过认证的开源传感器不断普及，开发小型但功能强大的医疗设备已不再是只有少数大公司才能染指的事情。
将患者数据与研究和标准联系起来
医生面临的一个重要问题是利用临床试验、研究、知识库、登记资料等获取与患者相关的信息。尽管临床试验和其他资源中存在一些标准化，但是跨组织、医学学科或地理区域的标准化还无法让医生能够查找、访问和使用可用信息。解决这种需求带来了双重挑战：开发一种让医生能够查找和访问相关信息的系统，同时允许跨医疗信息系统的互操作。
为了满足这些需求，一些标准应运而生，它们采用了FAIR数据的原则，即在最少的人工干预下就可找到 (findable)、可访问 (accessible)、可互操作 (interoperable) 和可重复使用 (reusable) 数据。例如，SNOMED CT是方便计算机处理的医学代码、术语、同义词、检查结果、症状、疾病、手术，器械等的集合，旨在提供一致的方式来索引、存储、检索和汇总医学数据。同样，LOINC是一个用于识别医学实验室观察结果的数据库和标准。
这些标准中的元数据要求使医生不仅能够访问和使用数据，而且还可以跨数据集得出见解。NFDI4Health等项目将经验性健康数据（例如生物标志物）嵌入到疾病和病症元数据中，随后可以使用机器学习算法跨各种各样的患者池对这些数据进行分析。即使是以前难以或不可能客观诊断的疾病和病症（例如精神病科的疾病），现在也在传感器和机器学习算法的帮助下，放到了新的基于生物标志物的基础上。
结论
患者的诊断准确性与医生使用检测仪器来增强感知的能力紧密相关。只有通过这样的仪器，才能明确地定义距离，精确地测量体温，瞬间识别肉眼不可见的物体和微生物。通过提供客观数据、实现患者环境中的检测以及整合患者数据和研究结果，医用传感器和人工智能正在彻底改变仪器诊断领域。