在近期发表于《科学报告》杂志的一篇文章中，研究人员对正在接受放射治疗（RT）的乳腺癌患者中出现的放射性疲劳（RIF）现象展开了研究。

这项研究旨在利用从健身追踪器收集到的客观数据，在整个治疗过程中对疲劳程度进行更准确且持续的监测。通过运用可穿戴技术，该研究力求加深对疲劳动态变化的理解，并改善放射治疗期间的患者管理情况。

研究：《通过可穿戴远程监测对接受放射治疗的乳腺癌患者进行疲劳轨迹追踪》。图片来源：Nan_Got/Shutterstock.com

疲劳是癌症治疗中一种常见且使人衰弱的副作用，会对患者的生活质量产生重大影响。放射治疗是乳腺癌的一种标准治疗手段，但它常常伴随着包括疲劳在内的多种副作用。放射性疲劳可能表现为一种持续的疲倦感，即便休息也无法缓解，影响着患者的身心健康。

此前的研究已经强调，由于心理状态、个人健康认知等诸多因素会影响主观评估，所以需要更客观的方法来评估疲劳。

健身追踪器的出现为收集患者身体活动以及心率、步数等生理反应的实时数据提供了机会。本研究基于这样一个前提，即持续监测能够深入了解放射性疲劳的模式及预测因素，最终有助于提供更好的患者护理以及制定针对性的干预措施。

该研究涉及一组正在接受放射治疗的乳腺癌患者，他们配备了健身追踪器（唯动 H03 智能手表）来监测日常活动，包括步数（STP）和心率（HR）。根据放射治疗的分割方案，患者被分为两组：中度大分割组和常规组。

数据收集持续了 3 到 5 周，期间要求患者持续佩戴追踪器。研究采用了一款网络应用程序来辅助数据汇总和分析，以确保医护人员在整个治疗期间都能获取相关信息。

为评估放射性疲劳，研究人员使用了《不良事件通用术语标准》（CTCAE）第 5.0 版，依据疲劳的严重程度将其分为不同等级。从健身追踪器收集的数据经过处理，用以识别重复活动窗口（RAWs），从而能够对患者的活动模式进行详细分析。

机器学习技术，尤其是装袋树（Bagged Trees）模型，被用于分析这些高维数据。目的是将活动的客观指标与疲劳的主观报告相关联。

研究结果显示，近半数参与者在治疗期间经历了放射性疲劳。对健身追踪器数据的分析表明，患者的活动水平存在显著差异，步数和心率方面的明显变化与所报告的疲劳程度相关。

装袋树模型在识别放射性疲劳方面展现出了较高的预测准确性，其训练曲线下面积（AUC）达到 89%，测试曲线下面积（AUC）达到 86%。这表明从健身追踪器收集的客观数据能够有效地刻画接受放射治疗患者的疲劳轨迹。

该研究还强调了了解个体活动模式的重要性。研究人员发现，活动窗口的时间安排以及心率的变化情况为了解患者的日常习惯和疲劳程度提供了有价值的信息。这种对患者个体内部的分析有助于更细致地理解疲劳随时间的表现情况，凸显了采用个性化方法管理放射性疲劳的必要性。

然而，这项研究也面临着一些局限。健身追踪器较短的电池续航能力阻碍了连续数据的收集，因为患者每隔几天就需要更换设备。

此外，追踪器有限的存储容量意味着之前几天的数据可能会丢失，尤其是如果患者未能及时返回放射治疗科室的话。这些技术挑战凸显了改进可穿戴技术以提高数据收集效率的必要性。

总之，这项研究展示了健身追踪器在为接受放射治疗的乳腺癌患者的放射性疲劳提供客观洞察方面的潜力。通过借助可穿戴技术，研究人员能够获取患者活动水平和生理反应的实时数据，并揭示出其与所报告疲劳之间的显著相关性。

这些研究结果倡导在肿瘤学领域更广泛地应用远程监测，因为它为加强患者护理以及根据个体需求定制干预措施提供了一条很有前景的途径。

未来的研究应着重解决本研究中遇到的技术局限，并扩大样本量以进一步验证研究结果。总体而言，将客观监测融入癌症护理是朝着改善面临治疗相关疲劳挑战的患者生活质量迈出的重要一步。

巴里拉罗 A.，费奥利 C. 等人（2024 年）《通过可穿戴远程监测对接受放射治疗的乳腺癌患者进行疲劳轨迹追踪》，《科学报告》第 14 卷，第 27276 页。DOI: 10.1038/s41598-024-78805-5，网址：https://www.nature.com/articles/s41598-024-78805-5