幾十年來，醫(yī)療診斷設(shè)備的一大特色是無創(chuàng)血糖監(jiān)測器。從腕表到隱形眼鏡，盡管出現(xiàn)各種各樣的創(chuàng)新，但能夠連續(xù)監(jiān)測血糖水平而不破壞皮膚的設(shè)備這種誘人夢想還未能實(shí)現(xiàn)。華威大學(xué)(University of Warwick)的研究人員現(xiàn)在正在展示最新的前瞻性技術(shù)，利用人工智能從簡單的心電信號中檢測出低血糖信息。
這項新研究的研究者Leandro Pecchia解釋說：“手指采血從來都是不快樂的過程，在某些情況下尤其麻煩。在夜間特別是對于小兒科患者而言，在夜間指尖采血更是令人不快的過程。我們的創(chuàng)新在于利用人工智能通過幾次心電圖跳動來自動檢測低血糖。這一點(diǎn)很重要，因為在任何情況下(包括睡眠)都可以檢測到心電圖。”
華威大學(xué)團(tuán)隊取得的關(guān)鍵突破是開發(fā)一種可以學(xué)習(xí)單個患者的ECG節(jié)奏的AI系統(tǒng)。由于在不同受試者中發(fā)現(xiàn)的信號種類繁多，因此通過ECG數(shù)據(jù)調(diào)查血糖追蹤的先前研究未能成功。由于ECG數(shù)據(jù)的異質(zhì)性，因此沒有機(jī)器學(xué)習(xí)系統(tǒng)能夠成功獲取大量的ECG記錄并找到與個體血糖測量相關(guān)的通用模式。
如下圖所示，兩個受試者之間低血糖的心電圖測量結(jié)果可能截然不同，這意味著前進(jìn)的唯一方法是開發(fā)一種可以檢測每個患者個性化波動的AI系統(tǒng)。
Pecchia說：“上面強(qiáng)調(diào)的差異可以解釋為什么以前使用ECG檢測低血糖事件的研究失敗了。這些受試者間的差異將阻礙通過隊列ECG數(shù)據(jù)訓(xùn)練的AI算法的性能。我們的方法可對檢測算法進(jìn)行個性化調(diào)整，并強(qiáng)調(diào)降血糖事件如何影響個人的心電圖。”
在新發(fā)表的期刊文章中，為了探討這種新型系統(tǒng)的功效，研究人員報告了兩項初步研究的結(jié)果。在健康志愿者中，該系統(tǒng)能夠以82%的準(zhǔn)確度檢測低血糖事件。
當(dāng)然，如前所述，這并不是第一個在早期試驗階段被證明有效的非侵入性葡萄糖監(jiān)測系統(tǒng)。研究人員對于這個系統(tǒng)離市場有多遠(yuǎn)持務(wù)實(shí)態(tài)度，他們還需要做大量的工作來驗證和完善這項技術(shù)在更大的患者群體中的應(yīng)用。然而，這項研究也指出，這個心電圖框架可以被納入一個更廣泛的血糖跟蹤系統(tǒng)，該系統(tǒng)使用其他非侵入性生理信號，如身體活動水平、皮膚電導(dǎo)率和營養(yǎng)信息。
這項新研究發(fā)表在《科學(xué)報告》雜志上。
關(guān)鍵詞： 華威大學(xué) AI系統(tǒng) 低血糖信息
責(zé)任編輯：Rex_07
