陈伟教授：数字化赋能体重管理的实践与应用 | COC 2024

陈伟教授：数字化赋能体重管理的实践与应用 | COC 2024

近三十年，我国超重/肥胖率逐年增加，成人超重/肥胖率高达51%，防控形势严峻！随着大数据时代的到来，数字化体重管理成为当前的一个重要趋势。

在2024年召开的第三届中国肥胖大会（COC 2024）上，中国医学科学院北京协和医院陈伟教授从发展背景和体重管理瓶颈的角度出发，详细介绍了数字化赋能体重管理的实践与应用。

陈伟教授现场报告

体重管理的瓶颈

可及性

一方面，由于知识普及不足，体重管理的理念难以深入人心，许多人对体重管理的认知仍然停留在表面，不了解其背后的健康管理和科学依据，对体重管理的重视程度不足。
另一方面，在一些地区或群体中，由于多种因素的限制，人们难以获得专业科学的减重指导。

差异性

不同地区人群的饮食习惯以及每个人的身体状况都有所不同，然而，目前的体重管理方案往往缺乏个性化定制，难以满足每个人的具体需求。如何兼顾医学减重处方的科学性和个性化是医学减重需要解决的难题之一。

便利性与持久性

体重管理需要长期的坚持和投入，但是现在很多人生活节奏快、工作压力大，很难在院外持续执行减重处方，导致体重反弹严重。

人工智能医学减重平台的搭建

• 基于微信小程序搭建智能医学减重平台框架，并配合可穿戴运动手环记录患者运动形式、时间、消耗能量，从而达到对减重过程中身体数据的全面了解。
• 建立智能快速食物能量简易测评系统，最大程度帮助用户降低操作复杂性从而改善依从性。
• 设计了基于用户习惯的学习机制，可基于该用户对识别结果的修改优化未来菜肴的识别结果。
• 构建基于能量平衡为导向，融合可穿戴设备大数据的智能吃动平衡系统。

构建系统：通过预试验优化体重管理系统

选择10名肥胖症受试者参与系统优化，患者选择标准及评价指标与临床试验标准完全相同；
对方案不一致者进行算法调整与优化，直至系统给出方案与临床医师一致；
在随诊管理中资深营养医师基于肥胖受试者的随访数据、个体化行为与代谢特征给予个体化建议并予随诊指导；
基于受试者的全部随访数据进行机器学习分析，优化算法直至系统可自动分析数据并给予与临床实际一致的个体化建议。

验证系统

设计前瞻性、单中心、随机、非劣效临床对照研究；
试验组使用健康体重智能管理系统，根据受试者上传的饮食照片，饮水量，运动数据，睡眠数据、个人减重意愿等，利用算法分析，给出个性化减重方案，并在个人减重空间内接受随访教育管理，要求每个月到医疗机构随诊1次，观察减重效果；
对照组按照常规减重门诊流程进行减重，由营养医师进行面对面管理，手工出具减重方案，每月随诊，要求每个月到医疗机构随诊1次，观察减重效果。

数字化体重管理工具的关键点

• 科学性：数字化体重管理工具的开发应遵循医学减重的循证医学证据。
• 便利性：数字化体重管理工具集“方案+指导+记录分析”为一体，使减重过程更加高效和易于管理。
• 全周期：数字化体重管理工具通过连通医生端、医助端和患者端，实现了体重管理的全周期覆盖。
• 医生端：辅助诊疗、方案推荐、跟踪随访、医患沟通
• 医助端：分组管理患者、医患沟通、跟踪随访
  
• 患者端：执行处方、减重追踪、医患沟通
• 全流程：数字化体重管理工具通过连通院内诊疗服务与院外患者管理，实现了体重管理的全流程指导。这一理念不仅提高了体重管理的效果和效率，还有助于增强患者的参与度和满意度。

数字化体重管理案例介绍

• 基于核心问题，快速制定减重方案
• 基于减重方案，给予饮食和运动指导
• 提供多样及便利的饮食、运动记录形式
  
• 引导记录减重日记

总结

基于医学减重理念开发出的一系列智能穿戴设备或健康管理APP，有望突破当前体重管理的4大瓶颈，极大提高使用者的减重效率与便利性，实现减重的个性化和科学性。

报告最后，陈伟教授还提出了未来体重管理的4个愿景：

• 借助减重类的医疗器械，打通院内外诊疗服务；
• 提供科学、便捷的数字化体重管理工具；
• 借助人工智能技术辅助基层体重管理；
• 建立中国医学减重人群随诊数据库。