The Question

Chronic diseases (diabetes, heart failure, COPD, CKD) account for 74% of global deaths and consume ~86% of US healthcare spending (and a substantial majority of healthcare spending in high-income countries more broadly). Traditional management relies on periodic clinic visits — snapshots of health status separated by weeks or months. Wearable sensors and remote patient monitoring (RPM) promise continuous, real-time physiological data streams that could detect deterioration before symptoms appear and enable proactive intervention. But does continuous monitoring actually improve clinical outcomes, or does it merely generate data that overwhelms clinicians and creates false alarms?

Landscape

Ghadi et al. (2025) reviewed the integration of wearable technology with AI for remote patient care. Their analysis identifies key barriers to adoption—data privacy constraints, EHR integration challenges, digital literacy gaps, and data overload—and proposes AI-driven solutions including federated learning (for privacy-preserving model training across institutions) and deep learning frameworks (for intelligent alerting that filters clinically actionable signals from raw sensor streams). The core argument is that moving from "data transmission" to "intelligent alerting" is necessary to address alert fatigue and make RPM clinically sustainable.

Deng et al. (2025) reviewed digital health specifically for chronic kidney disease (CKD), where eGFR decline is gradual and often asymptomatic until advanced stages. They documented how wearable biosensors (continuous blood pressure monitors, hydration sensors) combined with mobile health apps and AI decision support can detect CKD progression earlier than quarterly lab visits, potentially slowing decline through timely medication adjustment.

Stradford et al. (2024) describe the WEAR study protocol—a prospective observational study combining wearable activity trackers with electronic patient-reported outcomes (ePROs) in rheumatoid arthritis patients initiating upadacitinib or adalimumab. The study is designed to test whether objective activity data from wearables adds information beyond self-reported disease activity scores; results are forthcoming as data collection completes.

Daich Varela et al. (2024) extended RPM to ophthalmology, reviewing home-based monitoring devices for retinal diseases. For conditions like diabetic retinopathy and age-related macular degeneration, where visual function changes can be detected before irreversible damage occurs, home monitoring enables earlier treatment initiation.

Key Claims & Evidence

Open Questions

Referenced Papers

• [1] Ghadi, Y. et al. (2025). Integration of wearable technology and AI in digital health for remote patient care. J. Cloud Computing. DOI: 10.1186/s13677-025-00759-4
• [2] Daich Varela, M. et al. (2024). Digital health and wearable devices for retinal disease monitoring. Graefe's Archive. DOI: 10.1007/s00417-024-06634-3
• [3] Stradford, L. et al. (2024). WEAR study: wearable activity tracker in rheumatoid arthritis. Contemporary Clinical Trials Communications. DOI: 10.1016/j.conctc.2024.101272
• [4] Deng, T. et al. (2025). Digital health integration in chronic kidney disease. Clinica Chimica Acta. DOI: 10.1016/j.cca.2025.120749

면책 조항: 이 게시물은 정보 제공을 위한 연구 동향 개요이다. 인용된 구체적인 연구 결과, 통계 및 주장은 학술 연구에서 인용하기 전에 원본 논문을 통해 검증해야 한다.

웨어러블 센서와 원격 환자 모니터링: 디지털 헬스와 만성 질환의 만남

분야: 의학 | 방법론: 임상-기술적

저자: Sean K.S. Shin | 날짜: 2026-03-17

연구 질문

만성 질환(당뇨병, 심부전, COPD, CKD)은 전 세계 사망의 74%를 차지하며, 미국 의료비 지출의 약 86%를 소비한다(그리고 더 넓게는 고소득 국가 의료비 지출의 상당한 비중을 차지한다). 전통적인 관리 방식은 주기적인 외래 방문에 의존하며, 이는 몇 주 혹은 몇 달 간격으로 건강 상태를 스냅샷처럼 포착하는 방식이다. 웨어러블 센서와 원격 환자 모니터링(RPM)은 증상이 나타나기 전에 악화를 감지하고 선제적 개입을 가능하게 하는 연속적·실시간 생리 데이터 스트림을 제공할 것을 약속한다. 그러나 연속 모니터링이 실제로 임상적 결과를 개선하는가, 아니면 단순히 임상의를 압도하고 거짓 경보를 유발하는 데이터만을 생성하는가?

연구 현황

Ghadi et al. (2025)은 원격 환자 케어를 위한 웨어러블 기술과 AI의 통합을 검토하였다. 그들의 분석은 도입의 주요 장벽—데이터 프라이버시 제약, EHR 통합의 어려움, 디지털 리터러시 격차, 데이터 과부하—을 확인하고, 연합 학습(federated learning, 기관 간 프라이버시 보존 모델 훈련을 위한)과 딥러닝 프레임워크(원시 센서 스트림에서 임상적으로 실행 가능한 신호를 걸러내는 지능형 경보를 위한)를 포함한 AI 기반 솔루션을 제안한다. 핵심 주장은 경보 피로(alert fatigue)를 해결하고 RPM을 임상적으로 지속 가능하게 만들기 위해 "데이터 전송"에서 "지능형 경보"로의 전환이 필요하다는 것이다.

Deng et al. (2025)은 만성 신장 질환(CKD)에 특화된 디지털 헬스를 검토하였다. CKD는 eGFR 감소가 점진적이며 진행된 단계까지 종종 무증상으로 나타난다. 그들은 웨어러블 바이오센서(연속 혈압 모니터, 수분 센서)가 모바일 헬스 앱 및 AI 의사결정 지원과 결합될 경우, 분기별 검사 방문보다 더 일찍 CKD 진행을 감지하고 적시적인 약물 조정을 통해 기능 저하를 잠재적으로 늦출 수 있음을 문서화하였다.

Stradford et al. (2024)은 WEAR 연구 프로토콜을 기술하였다. 이는 upadacitinib 또는 adalimumab을 시작하는 류마티스 관절염 환자를 대상으로 웨어러블 활동 추적기와 전자 환자 보고 결과(ePRO)를 결합한 전향적 관찰 연구이다. 이 연구는 웨어러블의 객관적 활동 데이터가 자가 보고 질병 활성도 점수를 넘어서는 정보를 추가하는지 검증하도록 설계되었으며, 데이터 수집이 완료됨에 따라 결과가 곧 발표될 예정이다.

Daich Varela et al. (2024)은 RPM을 안과 분야로 확장하여, 망막 질환을 위한 가정 기반 모니터링 기기를 검토하였다. 당뇨망막병증 및 노인성 황반변성과 같이 비가역적 손상이 발생하기 전에 시각 기능 변화를 감지할 수 있는 질환에서, 가정 모니터링은 더 이른 치료 시작을 가능하게 한다.

주요 주장 및 근거

미해결 질문