幾十年來，醫療診斷設備的一大特色是無創血糖監測器。從腕表到隱形眼鏡，盡管出現各種各樣的創新，但能夠連續監測血糖水平而不破壞皮膚的設備這種誘人夢想還未能實現。華威大學(University of Warwick)的研究人員現在正在展示最新的前瞻性技術，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。”
華威大學團隊取得的關鍵突破是開發一種可以學習單個患者的ECG節奏的AI系統。由于在不同受試者中發現的信號種類繁多，因此通過ECG數據調查血糖追蹤的先前研究未能成功。由于ECG數據的異質性，因此沒有機器學習系統能夠成功獲取大量的ECG記錄并找到與個體血糖測量相關的通用模式。
如下圖所示，兩個受試者之間低血糖的心電圖測量結果可能截然不同，這意味著前進的唯一方法是開發一種可以檢測每個患者個性化波動的AI系統。
Pecchia說：“上面強調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數據訓練的AI算法的性能。我們的方法可對檢測算法進行個性化調整，并強調降血糖事件如何影響個人的心電圖。”
在新發表的期刊文章中，為了探討這種新型系統的功效，研究人員報告了兩項初步研究的結果。在健康志愿者中，該系統能夠以82%的準確度檢測低血糖事件。
當然，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測系統。研究人員對于這個系統離市場有多遠持務實態度，他們還需要做大量的工作來驗證和完善這項技術在更大的患者群體中的應用。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，該系統使用其他非侵入性生理信號，如身體活動水平、皮膚電導率和營養信息。
這項新研究發表在《科學報告》雜志上。
責任編輯：Rex_07
