英國(guó)華威大學(xué)的研究人員利用一種非侵入式可穿戴傳感器，依靠最新的人工智能，從原始心電圖信號(hào)中檢測(cè)出低血糖水平。這項(xiàng)新技術(shù)由華威大學(xué)的Leandro Pecchia博士研發(fā)。

目前，英國(guó)國(guó)家醫(yī)療服務(wù)體系（NHS）提供連續(xù)血糖監(jiān)測(cè)儀（CGM）用于檢測(cè)低血糖（血液或皮膚中的血糖水平）。他們使用帶有小針頭的侵入式傳感器測(cè)量組織液中的葡萄糖，并向顯示設(shè)備發(fā)送警報(bào)和數(shù)據(jù)。在許多情況下，他們需要每天兩次的校準(zhǔn)與侵入性的手指刺血糖水平測(cè)試。

然而，華威大學(xué)Leandro Pecchia博士團(tuán)隊(duì)在1月13日在Nature Springer期刊Scientific Reports上發(fā)表了一篇新論文，題為“精密醫(yī)學(xué)和人工智能： 基于心電圖試點(diǎn)研究深度學(xué)習(xí)低血糖事件檢測(cè)，證明利用人工智能的最新發(fā)現(xiàn)（如深度學(xué)習(xí)），可以通過(guò)非侵入性可穿戴傳感器從原始心電圖信號(hào)中檢測(cè)低血糖事件。

兩項(xiàng)針對(duì)健康志愿者的試點(diǎn)研究發(fā)現(xiàn)，低血糖檢測(cè)的平均敏感性和特異性約為82%，與目前的CGM性能相當(dāng)，但無(wú)創(chuàng)。

華威大學(xué)工程學(xué)院的Leandro Pecchia博士評(píng)論道：

“從手指頭才學(xué)從來(lái)都不舒服，在某些情況下還特別麻煩。夜間從手指頭采血當(dāng)然是不愉快的，特別是對(duì)兒童來(lái)說(shuō)?！?/p>

“我們的創(chuàng)新在于利用人工智能通過(guò)幾次心電圖跳動(dòng)來(lái)自動(dòng)檢測(cè)低血糖。這是非常有用的，因?yàn)樾碾妶D可以在任何情況下檢測(cè)到，包括睡眠。”

圖中顯示了算法隨時(shí)間的輸出：綠線表示正常血糖水平，紅線表示低血糖水平。橫線表示4mmol/L的葡萄糖值，該值被認(rèn)為是發(fā)生低血糖事件的重要閾值。實(shí)線周圍的灰色區(qū)域反映了測(cè)量誤差。

沃里克模型強(qiáng)調(diào)了每個(gè)受試者在低血糖事件中心電圖的變化。下圖是一個(gè)范例。實(shí)線表示兩個(gè)不同受試者在血糖水平正常（綠線）或較低（紅線）時(shí)的平均心跳。紅色和綠色的陰影代表心跳在平均值附近的標(biāo)準(zhǔn)偏差。

比較表明，這兩名受試者在低血糖事件中心電圖波形變化不同。特別是，受試者1在低氧期QT間期明顯延長(zhǎng)，而受試者2則不然。

垂直豎線表示每個(gè)心電波在判斷心跳是低血糖跳動(dòng)還是正常時(shí)的相對(duì)重要性。

從這些條形圖中，一位訓(xùn)練有素的臨床醫(yī)生看到，受試者1的T型波的位移，反映出當(dāng)受試者處于低氧狀態(tài)時(shí)，心室的復(fù)極速度較慢。

在受試者2中，心電圖最重要的組成部分是P型波和T型波的升高，這表明當(dāng)受試者處于血糖降低狀態(tài)時(shí)，心房的去極化和心室激活的閾值受到了特別的影響。這可能會(huì)影響隨后的臨床干預(yù)。

這個(gè)結(jié)果是可能的，因?yàn)槿A威的人工智能模型是用每個(gè)受試者自己的數(shù)據(jù)訓(xùn)練的。主體間差異如此之大，以至于使用隊(duì)列數(shù)據(jù)訓(xùn)練系統(tǒng)不會(huì)得到相同的結(jié)果。同樣，基于這個(gè)系統(tǒng)的個(gè)性化治療可能比當(dāng)前的方法更有效。

Leandro Pecchia博士評(píng)論道：

“上述的差異可以解釋為什么先前使用心電圖檢測(cè)低血糖事件的研究失敗了。在隊(duì)列心電圖數(shù)據(jù)上訓(xùn)練的人工智能算法的性能將受到這些學(xué)科間差異的阻礙?！?/p>

“我們的方法能夠?qū)z測(cè)算法進(jìn)行個(gè)性化調(diào)整，并強(qiáng)調(diào)低血糖事件如何影響個(gè)體心電圖?；谶@一信息，臨床醫(yī)生可以使治療適應(yīng)每個(gè)人。顯然，需要更多的臨床研究來(lái)證實(shí)這些結(jié)果在更廣泛人群的作用。這就是我們尋找合作伙伴的原因。”