?

TIMEDOO肽度（微信號：Time-doo）獲悉，無論是對健康的人還是糖尿患者，追蹤血糖值的變化都非常重要，目前的檢測方式只能每天定時、數(shù)次在手指扎針取血檢驗，由于屬于有創(chuàng)檢測，因此導致很難讓患者遵循醫(yī)囑。英國華威大學(University of Warwick)的研究團隊開發(fā)出結合人工智能(AI)與心電圖(ECG)的無創(chuàng)血糖檢測系統(tǒng)。

根據(jù)eHealthNews.eu報道，目前英國國家醫(yī)療服務管理局(NHS)采用連續(xù)式血糖監(jiān)測儀(CGM)檢測低血糖，以有創(chuàng)傳感器在手指扎針的方式測量血糖值，在發(fā)現(xiàn)低血糖時會將警示與數(shù)據(jù)傳送至顯示設備。不過CGM通常每天需要校正2次，以確保設備提供準確的血糖值檢測。
手指扎針從來就不是令人愉快的經(jīng)驗，尤其是夜間對小兒科的患者進行血糖檢測，更易于造成不舒適感的情況。華威大學研究團隊開發(fā)的新技術運用現(xiàn)成的穿戴式傳感器，以無創(chuàng)的方式取得接受檢驗者原始ECG信號，經(jīng)過最新的AI深度學習(Deep Learning)算法分析，可自動檢測是否有低血糖的狀況。

華威大學研究團隊的AI模型著重于個別患者在低血糖時ECG波型的獨特變化，因此能以個人化的方式調(diào)整低血糖檢測算法，而臨床醫(yī)師也可根據(jù)相關資訊提供患者個人化的治療。研究團隊表示接下來需要結合更多合作伙伴，擴大進行臨床研究來驗證其AI模型與算法，確認能否適用于更廣大的研究對象群體。
華威大學的研究團隊進行了兩項以健康的志愿者為對象的先導研究，結果發(fā)現(xiàn)透過ECG檢測低血糖的平均靈敏度與明確性約可達82%，不僅可靠度表現(xiàn)跟現(xiàn)有的CGM相當，且運用ECG信號的無創(chuàng)檢測方式，可在包括夜晚睡眠時的任何環(huán)境隨時隨地實施，大幅提升便利性與降低對使用者日常生活的侵擾。

華威大學研究團隊的深度學習算法會輸出各個檢測時間點的血糖值與測量誤差，血糖值正常與偏低的判斷則是以公認的重要臨界值4mmol/L為基準。此外深度學習算法也會標示出個別的ECG波對于判斷正?；虻脱堑南鄬χ匾?。比對不同研究對象的檢測數(shù)據(jù)發(fā)現(xiàn)，在低血糖時各有各的不同ECG波型變化。
華威大學研究團隊的AI模型能顯示出每個參與研究的志愿者在低血糖時ECG的個別變化方式，包括正常與低血糖時的平均心跳數(shù)與標準差等數(shù)據(jù)。由于不同研究對象的ECG波型在低血糖時的變化差異顯著，因此研究團隊是以個別研究對象自己的數(shù)據(jù)來訓練其AI模型，這也將使得基于華威大學研究團隊AI模型的個人化治療會比現(xiàn)有方式更為有效。
研究團對比對2個研究對象的ECG分析發(fā)現(xiàn)，第一位在低血糖時QT間距拉長，但第二位則無此現(xiàn)象。這顯示代表心室再極化的T波(T-wave)其位移會影響血糖值分類，受過專門訓練的臨床醫(yī)師能從深度學習算法的輸出，發(fā)現(xiàn)到患者的ECG有明顯較長的QT間距，意味著心室的再極化(Repolarization)較緩慢，也就是患者處于低血糖狀態(tài)。
至于第2個研究對象ECG的觀察重點是代表左右心房連續(xù)性去極化(Depolarisation)收縮的P波(P-wave)與上升的T波，意味著當?shù)诙€研究對象處于低血糖時，除了心房的去極化與心室活化的臨界值之外，包括后續(xù)的臨床介入處置都會受到影響。這兩個研究對象的案例顯示訓練AI算法所使用的數(shù)據(jù)至為關鍵。
以往運用ECG檢測低血糖狀況的相關研究相繼失敗的原因，應是沒有觀察到研究對象間的ECG波型變化方式有明顯差異，若同時以一群研究對象的數(shù)據(jù)訓練AI模型，將無法獲得相同的結果，導致算法的表現(xiàn)受到影響。2020年1月13日華威大學研究團隊的研究論文發(fā)表在Nature Springer的期刊Scientific Reports。

編輯：周新思