TechDoctor 於國際學會發表由慶應義塾大學主導之類風濕性關節炎患者穿戴式裝置數據研究成果

TechDoctor 公司作為共同研發機構，參與了由慶應義塾大學醫學部內科學教室（風濕・膠原病）主導的一項針對類風濕性關節炎患者的穿戴式裝置研究，並於2026年6月在兩場國際學會上發表了其研究成果。

該研究利用Google Fitbit穿戴式裝置，分析所收集的身體活動、睡眠、心率變異度（HRV）等數據與病患自述結果（PRO）之間的關聯性。研究進一步透過機器學習技術，證明了客觀估算患者主觀生活品質（QOL）與疲勞感的可行性。

在歐洲風濕病學會「EULAR 2026 Congress」上，發表了QOL指標「EQ-5D」與穿戴式裝置數據的關聯性；在國際臨床免疫學會「FOCIS 2026 Annual Meeting」上，則發表了疲勞感評估指標「FACIT-F」及「BFI」與穿戴式裝置數據的關聯性。

此研究获得了日本國立研究開發法人日本醫療研究開發機構（AMED）的支持。

■ 背景與研究概要

類風濕性關節炎患者除了關節症狀外，疲勞感、失眠、憂鬱等也對日常生活造成影響，這些是直接關聯到患者生活品質（QOL）的重要症狀。然而，基於問卷的PRO評估依賴患者的記憶和回答時機，難以即時且客觀地掌握每日變動的症狀。

本研究以107名類風濕性關節炎患者為對象，使用「Fitbit Sense2」腕帶式穿戴裝置持續收集日常生活數據。研究分析了這些數據與QOL指標「EQ-5D-5L」、疲勞感指標「FACIT-F」及「BFI」的關聯，並驗證了利用機器學習從客觀數據推斷主觀狀態的可能性。同時，也透過SHAP分析來提升模型的可解釋性。

■ 主要研究成果

1. 確認穿戴式數據與QOL指標（EQ-5D）的關聯性
分析結果顯示，EQ-5D效用值與日間HRV、睡眠HRV等指標呈現相關。用於分類QOL狀態的機器學習模型展現了高度的識別性能（AUC-ROC介於0.75至0.89）。SHAP分析顯示，日間HRV和睡眠時間是主要的預測因子。

2. 確認穿戴式數據與疲勞感指標（FACIT-F／BFI）的關聯性
結果顯示，FACIT-F分數與靜止心率及夜間HRV相關，而BFI分數則與日間及夜間HRV相關。用於區分重度與非重度疲勞組的機器學習模型表現良好，FACIT-F模型的ROC-AUC為0.88，BFI模型為0.82。

這些結果顯示，穿戴式裝置數據有潛力成為客觀且持續捕捉類風濕性關節炎患者QOL和疲勞感等主觀症狀的指標。

■ 社會意義與未來展望

本研究成果指出，透過穿戴式裝置取得的日常生物數據，可作為數位生物標記，用以客觀、持續地掌握類風濕性關節炎患者的生活品質與疲勞感。這將有助於實現對傳統問卷難以捕捉的日常狀態變化的即時、低負擔監測，並有望應用於患者監護、疾病管理及治療效果評估。

TechDoctor 未來將繼續推動利用穿戴式數據與AI・機器學習的數位生物標記研究，致力於提升醫療現場的數據應用水平，並實現以患者為中心的醫療服務。