互連醫療應用和醫療物聯網（IoMT）正在呈現越來越顯著之發展勢頭，許多人認為，作為一個新興領域，這些應用具有很大潛能。不難看出，這種電子衛生保健（eHealth）之經濟效益將來自利用現有基礎設施：互聯網，不僅包括採集有關患者之訊息，而且最終會在需要的時間和場合準確提供醫療護理，也包括在家裡完成這些。
技術進步也在幫助這些應用不斷發展，從用於監控健身狀態的可穿戴裝置，到可以監控和控制慢性和持續性症狀的裝置。重要的是，這種發展不可能像整合適當的技術一樣簡單，準確地說，旨在提供任何形式醫療保健之裝置都必須要遵守許多條件和政府法規。
对于那些已经服务于医疗行业的成千上万家公司来说，应对这些挑战并不是一个全新的情形，但对于希望进入该行业之科技公司而言，可能会有所不同。强有力之伙伴关系可能是这里的关键，但竞争可能也同样激烈。具有真正增值效果的创新者对于希望分得IoMT市场一杯羹之现有玩家更有吸引力。
生命健身
當下，可穿戴技術幾乎是健身追踪器的代名詞，它能夠使穿戴者追踪包括睡眠在內的多種形式活動。這些裝置最初受歡迎是因為可以記錄人們鍛煉的結果，但智能手錶的出現將這些同樣的特性整合到能夠面向更廣泛客戶的裝置中。
即便記錄跑步或游泳可能不會吸引所有人，但是監控一天中所行走之步數或爬樓梯台階之數量能夠鼓勵更多人變得更加熱愛運動。
雖然同樣的技術可以用於監控患者的活動，但其應用會有一些調整，需要提供相較簡單健身追踪器水平更高的精確度和可靠性。沒有高精確度，這些裝置不太可能得到相關政府機構的批准，如果沒有這種認可，它們也不會被保險公司接受。至少在初期，這幾乎肯定會成為IoMT商用可行性的重要考量。
從健身跟踪器到醫療監控裝置之轉變會帶來一些挑戰，但這些似乎不可避免。可穿戴醫療裝置的下一波浪潮很可能根據不同的需求而演變發展，並走向不同的結果。今天大多數可穿戴裝置的共同之處在於它們仰仗在智慧型手機上運作的相關應用程式。而對於更重要的醫療裝置，這不太可能被接受，因為其中的數據與所提供護理之間是一個潛在的薄弱環節。因而，我們可能會將可穿戴裝置連接到更強大的家庭閘道器，或者在戶外監控的情形下，透過專用的蜂巢調製解調器提供回程連接（見下文）。
下一階段可以看到醫院和家中會使用同樣的裝置，以彌補甚至取代目前醫院中尺寸更大、價格更昂貴的裝置。這確實能夠提供一種無縫的護理水平，使患者無論身處何地都能夠受到醫療專業人士之密切關注，而不會再有提供護理的實體障礙。
醫療保健的變化
為了獲得真正的健康益處，我們預期可穿戴裝置將會頻繁地用於分享訊息，這意味著需要持續地拮取和傳輸數據。不僅僅在醫生的醫療室中，甚至在各種條件和情形下都可以監控呼吸、心率和血氧水平，這將提供我們整體狀況的更多訊息。
例如，一種可能會逐漸發生的情形是從共享來自健身追踪器的數據開始。隨著認證裝置的面市，這些數據將具有更多的相關性，至少在最初階段，一些需要持續監控的人也可能穿戴這些裝置。這些裝置是全新進入市場，不太可能實現成本優化，所以其部分成本可能需要由保險來埋單。然而，隨著量產增大，價格將不可避免地下降，這些裝置將更容易獲得使用。
此時，我們可以期待會有更多的人採用醫療級可穿戴裝置進行預防性監控，包括患有長期或慢性疾病的人，或者參與護理的人，都會透過定期和相對深入地分析他們的健康狀況而非常感興趣。
發展到這一地步將代表一個拐點，在可穿戴醫療級裝置成為常態時，而不是例外，我們會都開始受益於IoMT。
一個共同的平台
雖然這些醫療級裝置的成功關鍵會涉及到一些重大的創新，但無疑這些裝置將會共享許多系統級的相似之處。由於這些裝置的目標是可穿戴市場，很可能由可充電電池供電，要真正便攜，它們還必須包括無線連接，並且要提供高精確度，它們必須包含先進的定位數據特性。
當今市場中具有能夠提供所有這些特性之解決方案，例如支援最新標準的LTE模組：LTE Cat-M1和NB-IoT。這些技術構成了3GPP標準之一部分，能夠為諸如物聯網等低頻寬應用提供經濟實惠且可靠的長距離連接。對於IoMT裝置來說，專用蜂巢網路可能是必不可少的，那些配備這些調製解調器的裝置將能夠連接到LTE網路，而不需要智慧型手機。
同樣，全球導航衛星系統（GNSS）模組現在可以用來提供越來越精確的定位訊息，而相對位置和姿態可以透過數量越來越多的9軸MEMS感測器進行量測。
MEMS運動感測器和溫度感測器等許多標準感測器都能用於可穿戴裝置。現在還有一些感測器明確針對可穿戴應用，如光學心率監控、壓力感測器以及其他生物醫學感測器介面等。
結論
隨著醫療保健更多走向線上，將需要更多的醫療專業人員來分析IoMT產生的大量數據。單就這一點而言，它代表了一個新、能夠產生大量收入之業務部門。
隨著醫療保健更多走向線上，將需要更多的醫療專業人員來分析IoMT產生的大量數據。單就這一點而言，它代表了一個新、能夠產生大量收入之業務部門。
電子衛生保健可能是最早大規模採用人工智能的行業之一，據此可對醫療數據進行更具成本效益的首輪分析。使用AI來分析數據也將有助於透過機器學習來改進算法，創建可在需要時能夠訪問的專家系統。
即便有些人可能會擔心這種未來願景，其他人會選擇接受。最終，一個不可避免的趨勢是，社會必須採用技術手段來管理日益老齡化且數量不斷增長的全球人口。
