人工智能技術在糖尿病管理中的應用進展

侯鈴宇 張 璇 沈 芳 何承元 林靜靜 丁小容

糖尿病( DM)是一組以血糖濃度升高為特征的代謝紊亂的全球性“流行病”,2015年，全球約有4.15億人患有DM，預計到2040年將增至6.42億[1]。2013年，中國成年人DM的總患病率為10.9%，DM前期的患病率估計為35.7%[2]。2017年，全球范圍內約有500萬20～99歲年齡段的人死于DM。DM患病率、死亡人數和DM醫療費用構成了巨大的社會財政和衛生系統負擔[3]。由于醫療公共衛生資源分配不均，護士數量不足的現狀[4]，因此借助科技手段幫助醫護人員對DM管理是十分必要的。人工智能(AI)是科技技術快速發展的產物，是研究開發用于模擬、延伸和擴展的智能理論、方法、技術及應用系統的一門技術科學，其三大主要分支為人工神經網絡、專家系統、數據挖掘[5-6]。李蘭娟[7]指出有望通過AI改變醫療模式。AI可以集成慢病管理需要的知識與工具，將重復性的管理工作實現自動化、智能化[8]。本文旨在對AI在DM診斷、血糖管理、個性化DM生活方式管理、DM并發癥預測及管理中的應用進行綜述。

1 AI技術診斷DM

AI技術為DM診斷帶來了新的機遇。AI技術開發的診斷專家系統是一種模擬醫學專家診斷疾病思維過程的程序系統，專家系統具有收集、整理和記錄專家知識的能力，從而給出診療建議，起到幫助醫生減少誤診的作用。Jayashree等[9]提出DM診斷專家系統，基于線性判別分析和廣義回歸神經網絡的遺傳算法的準確率約為80.2%，ROC曲線下面積為0.875，該研究結果表明DM診斷專家系統不僅減少了DM診斷的計算時間和成本，且提高了DM分類的準確性。薛翔[10]在一項研究中結合醫療數據挖掘知識對DM數據進行整理，基于概率神經網絡算法建立了DM診斷模型(準確率達到了 97.9%)，實現了對DM的診斷，并能為醫生提供較為準確的診療建議。該研究建議在以后的研究中還需要進一步分析、處理更多的病歷數據，保證診斷準確率及診療建議的準確性。

2 AI技術提供血糖監測管理

2.1 連續動態血糖監測儀(CGM)

預測、監測與控制血糖是DM管理的重要方向。CGM是通過葡萄糖感應器監測皮下組織間液的葡萄糖濃度而間接反映血糖水平的監測技術，可提供全面、可靠、連續的全天血糖信息及血糖波動的趨勢[11]。CGM已被證明具有臨床價值，可降低低血糖和高血糖的風險，改善患者的生活質量;CGM可以用于檢測低血糖并暫停胰島素輸注，直至血糖恢復到安全水平[12]。CGM包括回顧性CGM和實時CGM。Floyd等[13]發現使用CGM與自我血糖監測相比，使用CGM患者的短期和長期糖化血紅蛋白顯著降低，低血糖和高血糖持續時間顯著縮短。王春玲[14]研究發現,實時CGM與便攜式血糖監測儀相比，兩種監測方法監測平均血糖水平無明顯的差異,但實時CGM監測低血糖、無癥狀低血糖、 夜間無癥狀低血糖比例都高于便攜式血糖儀。目前，CGM監測方法具有安全性、準確性、便捷性、可靠性和實用性等優勢，可對無癥狀低血糖事件進行及時、動態地監測，易于推廣到家庭和社區。

2.2 人工胰腺(AP)

AP治療也被稱為閉環血糖控制，是一種新興的治療方案，結合胰島素泵和連續血糖監測和控制算法，以葡萄糖反應方式(即單激素人工胰腺系統)輸送胰島素[15]。AP不僅滿足改善血糖控制的臨床需求，而且減輕1型DM患者自我護理負擔[16]。Turksoy等[17]已經開發了一個集成的多變量自適應人工胰腺控制系統,該系統有三個不同的模塊：第一個模塊是負責胰島素建議的自適應控制算法；第二個模塊是一個低血糖早期報警系統，該系統能提前25～30min檢測低血糖發作，并警告患者存在潛在的低血糖值；第三個模塊是自適應膳食檢測模塊，該膳食檢測模塊能夠自動提供膳食丸，以防止餐后高血糖的發生。AP對血糖控制有很大的幫助，但AP應用到臨床仍是一個循序漸進的過程。首先，其精確性和安全性需要大量的臨床實驗數據支持。其次，遠程控制的穩定性等方面有待提高，需進一步改進AP的硬件，以提供更精確的控制系統。

3 AI技術提供個性化DM生活方式管理

生活方式干預是2 型DM的基礎治療措施,應貫穿于DM治療的始終，健康生活方式包括合理飲食、控制體重、適量運動等[18]。智能DM管理決策支持系統由一些工具組成，這些工具主要用于幫助患者、醫護人員管理DM，幫助患者和醫護人員系統記錄有關體力活動、飲食、藥物、血糖測量等信息，并將其與支持患者和臨床醫護人員的工具結合起來，以提高治療效果[19]。智能DM管理決策支持系統充分考慮到患者的情感、時間以及患者意愿，能提供針對性、個性化的決策和生活方式管理服務。

3.1 運動管理

運動干預是生活方式管理的一個重要內容，有規律的運動對DM患者是有幫助的,有利于血糖控制，可促進血液循環、改善心肺功能。由于AI和移動健康技術提供了平臺，能幫助患者更易獲得健康行為指導計劃。Stein等[20]研究結果表明，使用百靈鳥人工智能減肥健康教練(HCAI)可以使DM患者體重減輕，還可以使患者健康行為發生改變，并具有很高的用戶接受度。該研究的經驗可應用于指導未來臨床試驗,進一步評估HCAI及設計智能系統促進減肥、健康行為改變和慢性病的預防和自我管理。Yom-Tov等[21]研究27名久坐的2型DM患者提供基于智能手機的計步器和個人體育鍛煉計劃，患者被發送短信息服務信息，以鼓勵患者進行體力活動，通過強化學習算法對信息進行個性化處理，提高每個參與者對活動方案的依從性，結果發現手機應用程序加上學習算法可以改善DM患者對運動的依從性，該算法可用于大量DM患者，以改善健康和血糖控制。

3.2 飲食管理

飲食管理對改善2型DM患者的血糖控制是有效的，AI和遠程通信技術促進的照片分析技術的改進，使營養素攝入量的自動評估成為可能，AI和手機支持的營養干預有望成為親自營養干預的替代方法[22]。Zhang等[23]研究一種移動食品識別系統，該系統無需用戶干預，用戶只需拍下食物盤的照片，便可自動識別食物并估計食物的熱量和營養含量，現已將這個系統作為安卓智能手機應用程序和web服務來實現，在實驗中，檢測15種不同種類的食物時，達到了85%以上的準確率。 Norouzi等[24]研究DM零食推薦系統，該系統是一個基于知識的智能手機應用，其研究的重點是根據美國糖尿病協會的指導方針，開發結合AI技術和知識庫的推薦系統,該系統能夠根據季節(準確率100%)和個人興趣(準確率90%)向DM患者推薦各種零食，此系統被認為能夠幫助DM患者采取更健康的飲食。由于參與者僅限于擁有手機的人，因此研究結果可能無法推廣到信息和通信技術素養相對較低的幾代人，這就需要在以后的研究中，納入信息和通信技術素養相對低的人群，可以在家屬和護士的指導下完成操作。

4 AI技術預測、管理DM并發癥

DM是一種慢性病，其并發癥嚴重影響患者的生存壽命和生活質量，實現AI技術在DM并發癥中的管理是極為重要的。機器學習是一種基于模式識別的AI，在機器學習中，稱為“訓練數據”的給定數據集用于執行預測，近年來已成為醫學研究中的一個寶貴工具[25]。王潔等[26]提出了一種基于Logistic回歸結合多層神經網絡的2型DM并發癥預測模型，研究結果表明Logistic回歸結合多層神經網絡預測DM并發癥準確率高達85%左右, 能為2型DM并發癥預測提供可靠的參考價值。

4.1 糖尿病腎病管理

糖尿病腎病是DM的嚴重并發癥之一,糖尿病腎病是導致終末期腎衰竭的最主要原因[27]。AI可以根據2型DM患者的電子病歷，利用大數據機器學習預測糖尿病腎病的進展。 Makino等[28]研究采用AI技術，利用大數據機器學習處理自然語言和縱向數據，構建糖尿病腎病預測模型，它使用參考期前6個月的時間序列數據，預測參考期后6個月的糖尿病腎病進展，AI對糖尿病腎病加重的預測準確率為71%。新的智能預測模型可以檢測糖尿病腎病的進展，有助于更有效、更準確的提供干預措施和減少血液透析。

4.2 糖尿病視網膜病變管理

糖尿病視網膜病變是導致失明的主要原因,遠程眼科系統是相對成熟的遠程醫療應用。可持續的視網膜遠程監測應用一種廉價的便攜式設備，用于在不使用藥物擴張瞳孔的情況下拍攝低光視網膜圖像，以及一種用于快速檢測和診斷糖尿病視網膜病變的計算機輔助方法，利用衛生信息技術、醫療設備、移動電話和健康移動應用程序以及軟件應用程序來形成更全面的遠程保健模式，改善保健協調、自我保健管理和教育，可對保健結果產生重大影響包括預防DM導致的視力喪失[29]。李萌等[30]研究結果表明,基于眼底閱片的眼科AI系統診斷符合率可同眼科高級職稱醫生水平相媲美,且其系統平均閱片時間短,閱片結果質量穩定,可為大規模糖尿病視網膜病變人群篩查提供新的方法與系統。Natarajan等[31]研究結果表明，離線AI系統診斷糖尿病視網膜病變的敏感性和特異性分別為100.0%和88.4%，利用基于智能手機的眼底攝像頭的離線AI系統在社區篩查糖尿病視網膜病變方面具有前景，AI的使用將有助于在偏遠地區篩查糖尿病視網膜病變。在今后可能需要一項樣本量更大的研究將結果推廣到一般人群。

4.3 糖尿病心血管疾病管理

研究顯示，我國40歲及以上DM患者中,半數以上處于心血管疾病發病風險高危水平[32]。新一代遠程醫療項目通常被稱為“遠程醫療2.0”項目(也稱為“電子健康2.0”)，是利用新的信息和通信技術和Web 2.0技術，其中大多數研究都是建立在各種連接工具(藍牙和/或Wi-Fi)上，用于監測1型和2型DM及其并發癥,通過遠程監控2.0平臺優化DM患者的家庭監控，發現DM失代償風險情況及其心血管并發癥(如心肌梗死或慢性心力衰竭)[33]。遠程管理必須納入家庭遠程監控設備和智能手機遠程應用程序的數據，以便從任何地方進行監控和管理DM患者。

4.4 糖尿病足管理

足潰瘍約占1型DM患者的15%,85%的患者在截肢前發生足部潰瘍，足部病變的預防和妥善處理具有重要價值[34]。Fraiwan等[35]建立基于智能手機的熱成像系統，所提出的系統包括硬件以及必要的圖像處理和解釋軟件技術，該系統已成功地識別出溫度梯度大于2.2°C的熱點區域，這被認為是可用于識別可能潰瘍的值，該系統提供的一種自動識別DM患者可能發生足潰瘍的方法，可以幫助DM患者自我檢查足潰瘍。Quinn等[36]提出一種基于熱成像的足部溫度熱點檢測方法，旨在檢測足底表面潰瘍前熱點區域對熱點區域的早期發現和治療可以降低潰瘍發生的風險，該研究在10名健康參與者的足部模擬熱點，結果表明，60%的受試者正確檢測到熱點。從兩項研究來看，基于智能手機的熱成像系統和應用可以早期發現和治療降低潰瘍發生的風險,能更好的對糖尿病足進行管理。

5 小結與展望

本文著重討論了AI技術在DM診斷、血糖管理、個性化DM生活方式管理、DM并發癥的預測及管理的現狀。AI技術具有廣闊的前景，目前我國AI技術與醫療相結合還處在初步階段，要實現AI對DM的管理還有許多問題。首先,大部分DM患者是中老年人群，其對AI和現代化信息技術還不夠熟悉，這需要加大宣傳力度，提高智能管理設備的可接受度，提供更加人性化、個性化、針對性的智能管理系統、設備；其次，在智能DM管理中，要重視護士的重要性，加強對護士的培訓，組成遠程護士專家團隊，定期通過云平臺、媒體平臺等對患者進行健康宣教，使患者主動的實現DM自我管理。在未來，AI技術在DM管理領域有以下幾個發展方向：第一，整合DM各種數據來源形成DM健康大數據，讓DM患者都有自己的電子健康檔案，用云平臺解決DM大數據問題；第二，AI技術與互聯網、大數據、云計算、移動終端及物聯網等新興技術結合來實現DM閉環管理；第三，醫院采用的電子病歷系統使用同樣的數據標準，規范和管理DM數據；第四，將智能DM管理設備、產品推廣到社區和家庭。AI對醫療領域帶來極大的幫助，未來AI最大的作用是解決醫護人員簡單重復的工作，提高醫護人員的工作效率，真正發揮醫護人員的智慧。