人工智能在2型糖尿病患者自我管理中應用情況的研究進展

張華驛，白琳，鄭若蘭，王依萌，趙一帆，別文倩

(鄭州大學 護理與健康學院，河南 鄭州 450001)

據國際糖尿病聯盟統計，目前全世界糖尿病患者約有4.25億，至2040年可能會增加至6.42億[1]，其中90%為2型糖尿病(type 2 diabetes mellitus，T2DM)患者[2]。T2DM發病機制復雜，病程進展緩慢，患者需承擔長期的自我管理任務[3]。糖尿病自我管理是患者每日所采取的科學控制血糖的各項行為，包括飲食管理、合理運動、遵醫用藥、血糖監測、足部護理等[4]，進行有效的自我管理可控制血糖，延緩或避免并發癥的發生[5]。我國T2DM患者大部分時間在家進行自我管理，自我管理水平整體較低，表現為個人依從性不高，總體血糖控制及達標率不理想[6]。“健康中國2030”規劃綱要指出，我國需推動健康科技創新，將科技和醫學相結合從而提高成果的轉化率[7]。人工智能開始廣泛應用于我國醫療衛生的各個領域，成為新一輪產業變革的核心推動力，也被越來越多地應用在T2DM患者的自我管理方面。本文對國內外關于人工智能在T2DM患者自我管理中的應用進行綜述，旨在為患者的自我管理和醫護人員進行臨床決策提供理論依據。

1 人工智能技術概況

人工智能屬于自然學科和社會科學的交叉范疇，是應用計算機科學長期發展的產物[8]。目前對于人工智能的定義尚未統一，總體上是指通過設計算法模擬人類的思考和思維方式來執行與人類智能相關任務的綜合過程[9]。人工智能在糖尿病患者中的應用分為3個維度：從知識中學習、知識的發現和從知識中進行推理。從知識中學習即計算機自動從數據庫中進行學習，常用的技術包括人工神經網絡、支持矢量機、隨機森林、進化算法、深度學習、樸素貝葉斯、決策樹和回歸算法；知識的發現是從數據庫中檢索潛在信息的算法，實現這一過程的方法有K-均值、K-近鄰算法和層次聚類算法；從知識中進行推理是使用知識獲取系統來收集可用推理，使用以規則和信息為特征的知識庫來解決問題，最后將兩者鏈接到一起生成結論，包括基于規則的推理、基于案例的推理和模糊邏輯等算法[10]。

2 人工智能技術的優勢及應用現狀

2.1 人工智能在醫學領域的綜合應用人工智能在醫學領域應用廣泛，已成為當前研究的熱點。在患者健康管理方面，人工智能可運用已收集的大樣本數據進行分析和深度學習，搭建健康醫療智慧系統和電子病歷，顯著提高慢性病患者的自我效能感和自我管理能力；在診療決策方面，其可輔助社區或家庭醫生推測患者的疾病進展，為患者提供前瞻性診療和護理支持；在醫學影像方面，其可通過自動識別和深度學習進行核醫學檢查和病理檢查，客觀性強、準確率較高；在電子健康檔案管理方面，健康檔案數據所具有的連續性使其與遞歸神經網絡算法相匹配，人工智能可以據此進行病歷的綜合管理與分析。

2.2 人工智能在T2DM患者自我管理中的應用方式及效果鑒于人工智能的獨特優勢和在醫學領域的廣泛應用，作為一種新型輔助診斷及治療工具，其亦被逐漸引入到糖尿病患者中進行應用[11]。作為篩查工具，人工智能在進行糖尿病視網膜病變的篩查方面已有成熟的應用[12]；在糖尿病患者診療方案的制定中其可提供個性化推薦，作為醫生進行臨床決策的輔助工具[13]；在患者的長期胰島素和血糖管理中，其亦可提供精確的胰島素給藥量和血糖監測[14]。人工智能被引入T2DM患者的自我管理后，其在各個方面均已顯示出初步成效，推動著糖尿病綜合管理“五架馬車”的前進。

2.2.1人工智能在飲食管理中的應用 控制碳水化合物的攝入是糖尿病管理中的經典策略，可有效控制患者血糖，預防糖尿病并發癥[15]。人工智能在飲食管理中的應用主要體現在通過手機協助患者進行飲食監測、飲食推薦、飲食干預及判斷飲食處方是否有效。Zhang等[16]設計的一款食品識別應用系統“snap-n-eat”，采用分層分割、線性支持和矢量機分類器對食物圖片進行分析，提取不同位置和尺度的特征來確定份量，估算盤中食物的熱量和營養成分，經計算機驗證和實際稱重對比，準確率可達85%以上，可用于患者的飲食監測。Oka等[17]在50例T2DM患者中進行了一項隨機對照試驗，患者被隨機分配到人工智能治療組和傳統治療組進行飲食干預，人工智能治療組使用Asken應用程序，通過深度學習算法分析患者的飲食圖片進行飲食監測并給予指導，結果顯示12個月糖化血紅蛋白平均變異為0.3%，表明傳統營養干預與人工智能營養干預結果相當，患者可以通過人工智能軟件進行飲食的自我管理。Kumari等[18]使用深度學習算法通過聲信號來分析咀嚼模式，獲取信息包括食物的大小、咀嚼方式和吞咽時間，智能干預程序據此推薦飲食方式，結果顯示50例患者血糖水平平均降低85%。Zeevi等[19]對800例患者進行為期1周的血糖監測，設計了一種機器學習算法，對血液參數、飲食習慣、人體測量學指標、體力活動和腸道微生物群等因素進行整合，用于個性化預測餐后血糖值，結果表明，基于人工智能的個性化飲食推薦可以較好地改善餐后血糖及代謝情況，對患者的長期血糖控制有客觀的指導意義。綜上，人工智能可滿足T2DM患者對于個性化飲食推薦和日常飲食監測的需求。

2.2.2人工智能在運動管理的應用 有規律地進行安全有效的運動可有效控制血糖，延緩病程進展，減免遠期慢性并發癥的發生[20]。Stein等[21]設計了一款應用程序，以文本互動的移動教練形式，利用機器學習來分析用戶的體質量水平和飲食現狀，提供個性化的運動方案，15周后用戶體質量下降2.38%，健康飲食比率較前提高31%，表明其可部分替代醫務人員給予運動指導。Makkar等[22]測評了一項名為“Wellthy Diabetes”的應用程序，通過人工智能驅動模型和傳感器跟蹤用戶的活動，人工智能驅動的聊天機器人向患者推薦個性化的鍛煉。經觀察，T2DM患者的運動依從性顯著提高，是一種幫助患者實現活動目標的有效處方工具。Jacobs等[23]使用穿戴式加速度計和心率傳感器監測運動情況，人工智能以靈敏度97.2%和特異度99.5%的回歸模型檢測運動事件，并通過計算機模擬運動過程中患者的血糖變化情況，預測危險事件的發生，給予運動安全指導。人工智能通過程序和智能穿戴設備進行運動安全監測和處方制定，來提高患者的運動依從性。

2.2.3人工智能在用藥管理中的應用 用藥依從性是影響糖尿病患者自我管理效果的關鍵因素。在用藥管理方面，人工智能技術以虛擬教練助手的身份提高患者的用藥依從性。Balsa等[24]開發了一個名為“VASelfCare”的程序，作為虛擬助手與用戶建立長期的情感關系，將行為改變理論融于對話中，為患者提供用藥依從性方面的支持。該程序通過語音生成器、對話和核心組件與患者進行溝通交流，預試驗顯示其在提高患者用藥依從性方面具有較好的效果。Mei等[25]開發的“Deep Diabetologist”應用，使用遞歸神經網絡算法利用中國21 796例患者的電子病歷進行數據建模，通過深度學習算法從電子病歷中學習藥物知識，為糖尿病患者提供個性化的降糖藥物使用指導，與使用logistic回歸分析的基線預測模型相比，其性能得到較好的改善。

2.2.4人工智能在血糖監測管理中的應用 規律的血糖監測是糖尿病患者自我管理的重要組成部分。現有的人工智能技術多用于T1DM患者的胰島素精確給藥[14]。在T2DM患者中，人工智能多以手機程序為載體協助患者進行血糖監測的自我管理。Maeta等[26]運用機器學習算法“XGBoost”來分析糖尿病患者口服葡萄糖耐量試驗指數，能夠有效監測到T2DM的早期癥狀和葡萄糖代謝障礙，分析患者的疾病進展情況及風險趨勢，從而給予準確指導。WellDoc公司開發的“BlueStar”應用程序可與患者的血糖日記結合使用，通過算法確定長效胰島素的初始和維持劑量，記錄實時血糖，提供個性化的反饋，給予T2DM患者自我管理支持。Quinn等[27]對該應用的效果進行了驗證，發現觀察組患者的糖化血紅蛋白水平比只接受藥物治療的對照組低1.2%。人工智能可作為一種輔助工具，對患者的血糖進行有效管理。

2.2.5人工智能在并發癥管理中的應用 糖尿病視網膜病變、糖尿病足和糖尿病性神經病是T2DM患者的常見并發癥，可對患者造成遠期傷害。Rajalakshmi等[28]在311例T2DM患者中使用安裝了基于人工智能的自動化軟件的智能手機進行視網膜攝影，使用基于深度神經網絡算法的圖像分割技術，利用糖尿病視網膜病變篩查軟件(EyeArtTM)進行分級，結果顯示該軟件檢測糖尿病視網膜病變具有較高的靈敏度，可作為T2DM患者視網膜病變自我篩查工具。長期高血糖狀態易影響患者足部健康，視覺算法已被用于糖尿病足的監測。Yap等[29]研究了一款名為“FootSnap”的手機應用程序，在不同場景中對比測試其可靠性，以標準化糖尿病足圖像為基準，用Jaccard相似系數測定足部圖像，糖尿病足的Jaccard相似系數為0.89～0.91，對照足為0.93～0.94，表明“FootSnap”適用于患者對糖尿病足的自我篩查。Ozdemir等[30]利用計算機化臨床決策支持系統幫助患者提高疾病管理的決策能力，該系統可早期識別糖尿病性神經病、神經性疼痛及運動恐懼癥，也可有效處理肌肉骨骼系統并發癥和運動障礙，有助于糖尿病患者制定和保持適宜的鍛煉計劃。Rahmani等[31]設計了一個基于模糊算法的系統來幫助糖尿病患者進行神經病變程度的檢測，以糖尿病性神經病患者的確診病歷為標準，該系統的靈敏度、特異度和準確率分別為89%、98%和93%。由此可見，人工智能在T2DM患者相關并發癥的自我篩查中具有較好的應用效果。

3 小結

目前，人工智能可通過多種方式來改善和提高T2DM患者的生存質量，幫助患者和醫護人員了解病情進展和動態變化，節省醫療資源，幫助患者做出合適的自我管理決策。但是，通過文獻綜述亦發現此領域存在以下問題：(1)人工智能多基于患者大數據研發，存在信息泄露風險，需要政府加強立法及管理，保障患者的信息安全；(2)現有的人工智能多基于算法來建模，與臨床結合不夠緊密，實際效果仍待驗證；(3)遠期應用效果尚不明確，對內在作用機制或中間效應量的研究較少，缺乏高級別證據支持。隨著我國社會信息化程度越來越高、5G技術全面布局以及相關產業鏈的發展，人工智能在糖尿病患者中的應用會更加完善和具體化。