設備市場潛力巨大進入這個領域的公司前仆后繼資金注入源源不斷但是實際銷量甚微原因在于檢測技術受限導致檢測數據不準確不能達到醫療級別而突破這個難題的關鍵在于產品采集精度的標準化

　
　現階段可穿戴式醫療設備主要用于對個人生活和運動進行跟蹤并提供數據共享在不同的環境下檢測的數據也有所不同比如對日常跑步數據進行跟蹤判定 老年人的跌倒是否造成了傷害報告糖尿病患者的血糖水平以及監測醫院病人的心臟速率等這些不同的應用都對檢測的技術水平提出了挑戰

　　
在這些不同的應用場景下保證采集精度的準確性就是一項很大的挑戰王學斌認為這個問題是目前醫療類可穿戴產品遇到的一個最大的問題如果是采用類似運動手環那樣使用間接的數據原則上數據都是不準確的 他詳細地解釋道比如說運動消耗多少卡路里運動手環只是判斷手的擺動次數得出實際上消耗多少卡路里是通過檢測血液才能得出所以說運動手環得出的消耗卡路里不是很準確即使擺動次數一樣幅度不一樣的話消耗的能量也是不一樣的

　　
他建議產品在開發的過程中能夠有輔助環境判斷的邏輯處理使產品在不同的環境下也能自動校正數據進行補償

　　
周江波表示我們是通過震動和聲音進行雙重收集以增加對數據準確性的判斷相比之下大通高科的應對方式是在不同的環境下要求用戶按照使用要求主動進行測量保證檢測結果的準確性

　　
楊慧進一步介紹說可穿戴設備的健康檢測功能分為主動檢測和被動檢測被動的意思是用戶戴上產品之后不需要操作機器會24小時自動監測用戶的生理數 據但是這樣非常消耗能源一個小小的手表往往支持不了幾個小時所以續航能力限制了這種檢測模式的發展而且24小時的動態檢測也非常不準確只有醫 院里的臨床病人才有條件做24小時的監測被動檢測是一天當中用戶自己分時間段主動檢測因為我們做的是慢病追蹤一天只需要3-4次檢測即可很好的觀 察到用戶的身體健康發展趨勢