可穿戴设备持续输出连续健康数据，为远程患者监护（RPM）提供了分析基础；AI医疗则负责把这些数据转化为可用的临床洞察。两者叠加，使远程监护成为AI医疗中需求逻辑较为清晰的方向之一，但市场空间的最终兑现，仍取决于数据理解能力与医疗伦理边界的推进节奏。
连续数据从哪来，又流向哪
在医疗领域，大数据集表现为全基因组序列、高分辨率图像、可穿戴设备的连续数据输出等形式。可穿戴设备与传感器持续产生数据，正是远程患者监护的分析原料。
RPM是一种日益流行的改善患者治疗效果、同时降低医疗成本的方法。其运作逻辑是：通过分析来自可穿戴设备、传感器和其他监控设备的数据远程监控患者，实时了解患者健康状况；当患者病情恶化或出现其他令人担忧的趋势时，向医疗保健提供者发出警报，帮助及早干预，防止住院或其他并发症。
AI医疗承接数据洪流的能力与边界
数据被称为AI时代的“石油”，是数据、算法、算力三大基石中的基石。但医疗数据是永远的痛点：它属于患者隐私，实际权属多在医院方，第三方机构需借助政府支持和医院配合方能进行商业化开发和利用。目前AI模型训练所需医疗数据，大都通过企业与医院签署研发协议获得，通常采取数据不出院、模型出院的物理隔离方式。
更关键的约束在于理解能力。埃里克·托普在《深度医疗》中分析IBM医疗AI沃森的失败时认为，“最基本的失误之一，就是将获取数百万页的医疗信息等同于理解或使用这些信息。”对于现阶段的AI医疗产品来说，理解医疗数据远比获得数据更重要也更困难。
伦理边界同样明确。托普将自动驾驶汽车与人工智能医学实践相提并论：在理想环境和交通条件下，自动驾驶汽车已可达L3水平，但AI医疗仍处在L1到L2的路上。他认为AI医疗不太可能超越自动设备的3级水平——阅片、诊断等工作可用AI辅助完成，但就医学整体而言，绝不能容忍没有人类医生和临床医生的监督。
常见问题
可穿戴设备的连续数据输出，对远程患者监护意味着什么？
它构成了远程监护的分析基础。RPM正是通过分析可穿戴设备、传感器等监控设备的数据来远程了解患者状况，并在病情恶化或出现担忧趋势时向医疗保健提供者发出警报，从而支持及早干预。
AI医疗目前发展到什么阶段？
按《深度医疗》的类比，AI医疗仍处在L1到L2的路上，而理想条件下的自动驾驶汽车已达L3水平。这意味着AI在阅片、诊断等环节可发挥辅助作用，但整体医学实践仍需人类医生和临床医生的监督。
制约远程监护市场扩张的主要因素是什么？
一是医疗数据的权属与流通约束，数据多在医院方，第三方开发需政府支持与医院配合；二是理解能力，理解医疗数据远比获得数据更重要也更困难；三是伦理边界，AI医疗的自动化水平受限于人类监督这一前提。