人工智能在2型糖尿病健康管理中的應用研究進展*

金亦周,周 利 綜述,徐明智審校

[1.樹蘭國際醫學院,浙江 杭州310015;2.浙江大學醫學院附屬第一醫院重癥醫學科,浙江 杭州 310000;3.浙江樹人學院樹蘭國際醫學院附屬樹蘭(杭州)醫院內分泌與代謝病科,浙江 杭州 310004;4.浙江省腫瘤醫院綜合內科/中國科學院基礎醫學與腫瘤研究所,浙江 杭州 310022]

糖尿病(DM)是一種以血糖水平升高、代謝紊亂為特征的慢性疾病,全球患者數量超過5億[1]。近30多年來,我國的DM患病率顯著增加,由于城市化、老齡化等因素的影響,DM的知曉率、治療率和控制率雖然已經取得一定改善,但仍處于較低水平[2]。在DM人群中,2型糖尿病(T2DM)占90%以上,1型糖尿病(T1DM)和其他類型的DM較少見。

在T2DM的并發癥中最重要的是血管并發癥,微血管系統的病變會引發腎病、視網膜病變、足潰瘍等疾病[3],大血管并發癥包括冠心病、心力衰竭等,還有腦血管和外周動脈疾病,對T2DM的發病率和死亡率均有很大的影響[4]。據估計,高達25%新診斷的T2DM患者已經出現了一種或多種糖尿病并發癥[3]。

T2DM患病人數的不斷上升和患病群體的年輕化,使社會與醫療機構亟須尋找新的技術方法和管理方式來提高T2DM的診治效率,減輕T2DM患者的負擔,降低醫療費用支出。在近幾年全球新型冠狀病毒感染大流行中,遠程醫療和數字技術的重要性得到了證明[5],人工智能(AI)有望改變醫療模式,在DM等慢性疾病中將發揮越來越大的作用。

1 AI的現狀與應用優勢

AI一詞早在1956年就被提出,意味著盡可能減少人為干預,使用計算機來模擬智能行為。計算能力的指數增長、大數據處理技術、機器學習等重大技術突破都讓AI徹底改變醫療領域成為可能。當前,我國醫療健康領域已進入數字醫療階段,并大力推動數字化轉型成為智慧健康醫療[6]。建立基于5G網絡的智慧醫院、智慧社區和智慧家庭病房是AI在我國應用于醫療服務的創新模式,AI技術和機器人被大量應用于病房管理、感染控制、安全管理與培訓等場景[7]。此外,我國關于AI的研究與創新也逐漸與國際接軌,國際上有關AI的研究在前期一直發展緩慢,進入21世紀后開始有所突破,在2017年后呈爆發式增長趨勢,中國的發展趨勢也與國際總體相似。同時,與DM有關的AI研究也隨著AI領域的深入發展逐漸增多。

2 AI用于T2DM的預測與診斷

T2DM患病率在不同年齡段群體中差異較大,其是中老年人DM的主要類型,但近年來低齡兒童患病率明顯上升,18周歲以下的患者數量也不容小覷。此外,在過去的幾十年中,我國妊娠糖尿病(GDM)患病率持續增加,在某些地區可超過20%,特別是“二孩”“三孩”政策實施后,高齡高危孕婦的GDM患病率急劇上升[8],患有GDM的女性在隨后幾年中患T2DM的風險很高[9]。利用大數據及AI方法對T2DM進行預測與診斷,尤其是對高血糖預防意識不足的孕婦、兒童、青少年群體,有利于T2DM的早發現、早診斷、早治療。預測T2DM,需先從醫療機構的體檢信息中提取數據,涉及體重指數、空腹血糖等數10項指標,再利用多種機器學習算法建模對數據進行分析,學習算法包括決策樹、隨機森林、支持向量機等,早期預測并篩查出潛在的T2DM患者,以便及時干預治療。

3 AI用于T2DM的管理

T2DM作為慢性終身疾病,雖然無法徹底治愈,但可以通過長期的生活方式干預和藥物治療有效控制疾病,做到帶病生存。T2DM管理是一項復合型的團隊服務工作,涉及病情監測、指導用藥等醫療活動,還有膳食管理、體育鍛煉、心理疏通等生活干預,需要患者個人、家庭、社區、醫療機構的共同參與。對T2DM患者來說,AI除了能夠進行疾病風險預測,還能輔助診療,優化決策,幫助醫院管理和患者個人管理(圖1)。

圖1 AI用于T2DM的管理的示意圖

3.1血糖監測與胰島素治療

3.1.1連續動態血糖監測(CGM) CGM是一種先進的穿戴式血糖監測方法,準確性高,侵入性小,通過傳感器連續監測皮下組織液的葡萄糖濃度變化[2],提供實時的持續性血糖測量數據,可以由醫護人員手動調節血糖目標范圍,當監測到患者血糖超出范圍時就會發出警報提示,同時CGM還會主動將信息傳輸到專用的接收器、胰島素泵、手機或云端,包括血糖變化率、個性化閾值基礎上的高血糖和低血糖、根據血糖趨勢得到的低血糖預警[10]。另外,還有佩戴式動態血糖手表、腕帶等,通過多個AI模型結合傳感器陣列組合,連續監測人體血糖、血壓等多項生理參數,實時上傳至云平臺,精確度高,在國內外均已投入商用[11]。

3.1.2胰島素泵 胰島素泵也稱持續皮下胰島素注射,通過在皮下組織中放置插管向體內持續注射胰島素,與CGM、DM信息管理合稱為胰島素“3C”整合管理系統,是DM管理的突破性發展。傳統的胰島素給藥是通過胰島素注射器或胰島素筆每日多次注射,而胰島素泵療法則是根據日常需求和晝夜節律需求調整基礎胰島素,只需2～3 d更換1次輸液裝置,提供更精確、靈活的治療,使患者體內的胰島素水平盡可能接近正常生理情況。大多數胰島素泵都是通過管型的輸液裝置來注射胰島素,也有通過直接接觸皮膚的貼片泵進行無管注射的[10]。有研究證明,胰島素泵對T1DM患者有益,現也有專門為T2DM患者設計的胰島素泵出現,簡化了泵的設置,降低成本[12]。

3.1.3人工胰腺(AP) AP也稱閉環胰島素系統,是一種基于數學算法,根據CGM數據即患者的血糖情況來調整胰島素傳輸的自動胰島素輸送系統。AP主要由血糖檢測裝置、反饋調節系統和胰島素輸注系統三部分組成,也就是CGM、胰島素泵和算法控制器的整合,控制算法的誕生與更新使AP真正實現了對AP根據血糖水平分泌胰島素的仿生模擬。目前,MPC是臨床應用最多的血糖控制算法,相對于PID和模糊預測控制算法,MPC將血糖控制在理想范圍內的效果更好,并能有效減少夜間低血糖的發生[13]。根據不同的治療需求,AP衍生出了多種模式,最簡單的是暫停胰島素輸注模式,在達到低血糖閾值之前暫時關閉胰島素泵,及時糾正低血糖狀態,此外還有夜間、日夜、雙激素閉環模式等。AP的算法還在不斷更新,可以實現更復雜的功能,如根據血糖的趨勢持續性調整胰島素輸送[10]。

3.2互聯網遠程醫療 近年來,我國大力推動DM的基層防治工作,但仍缺乏系統的T2DM患者管理策略。互聯網醫療+AI是影響現代醫療服務的最前沿技術之一[7],實現了醫療數字化,在慢性疾病管理中的作用日益凸顯。有研究發現,通過搭建?？漆t護人員與社區醫護團隊業務交流的平臺進行互聯網視頻通話,基于互聯網-全科-專科合作的DM管理模式能夠幫助患者實現血糖控制、增加健康行為、提升診治依從性的作用,且不會增加藥物治療費用[14]。目前已有一些醫療機構采用互聯網平臺對患者的血糖、血壓進行遠程監控管理,保證管理的連續性,避免了傳統隨訪帶來的時空限制[15]?；颊呖梢允謩由蟼鲾祿蛴裳莾x和CGM自動上傳數據,醫護人員分析血糖情況后再通過互聯網平臺反饋給患者,及時調整治療計劃,大大提高了數據監測的效率。

健康宣教也是互聯網醫療重要的一部分,患者的日常行為和自我管理能力對疾病的控制起關鍵作用,需要不斷學習和掌握疾病管理相關的知識技能?；ヂ摼W可以為患者提供教學和溝通的平臺,以社區為單位搭建“互聯網+健康教育”管理模式,形成“醫學院校-基層醫院-家庭”三級聯動管理系統,開展線上健康管理,促進患者健康生活方式養成,提升患者的自我管理能力,同時也可以減輕患者的心理負擔[16]。

3.3飲食與運動 科學合理的T2DM管理策略應該是綜合性的,糖尿病教育、血糖監測、飲食治療、運動治療、藥物治療缺一不可。但我國患者對飲食治療知識的掌握水平偏低,醫囑的依從性低,容易造成血糖大幅度波動、營養過?；虿涣?。AI在飲食管理中的應用主要分為飲食推薦和自動監測兩方面,幫助患者糾正不良飲食習慣。

由于無錫沒有專門的執法基地和執法艇，非法采砂船主與水行政執法部門“打游擊”“搞時間差戰術”，甚至由于抓獲的非法采砂船只因缺乏停放場所而造成難于依法處理等問題。因此，無錫要加快推進采砂管理專用執法基地建設。

飲食推薦系統能夠根據醫生的醫囑,結合患者偏好進行個性化飲食推薦,在我國已產生了基于食物交換份法[17]、可變精度[18]、矩陣分解和標簽[19]等的飲食推薦系統,其中協同過濾系統被認為是最成熟的,但由于醫療健康領域的數據庫非常巨大,其推薦精度效果和用戶滿意度對比其在其他領域的應用還有待提高[20]。

飲食監測系統可以解決手動報告飲食情況準確性低、反饋慢的問題,采用移動攝像頭和計算機視覺的自動記錄保存方法,這種基于圖像的識別評估系統使用深度學習將照片處理切割,提取特征并分類,進而計算食物體積和能量營養。Snap-n-Eat是一種食物識別系統,可以在無人為干預的情況下自動識別食物并估算熱量和營養成分。目前,已有超過10 000個用于體重管理和飲食監測的應用程序被開發[21],一些用于計算食物攝入量的手機APP如FoodIntech也可用于醫療機構,幫助醫護人員了解患者的營養狀況。

目前,T2DM患者運動管理的評價方法較缺乏,而模糊層次分析法可以將疾病指標、心血管安全性及身體素質指標進行統籌結合,為運動方案的個體化、自動化問題提供解決思路。基于此方法的相關研究認為,在制定T2DM患者運動計劃時需要更多地考慮個體的心肺功能、保障方案的具體實施效果和安全性[22]。包括iWatch在內的可穿戴活動監測器可以實時檢測記錄患者的運動情況,如熱量消耗、心率等,并反饋給醫生,增加醫患溝通說服力,提高患者對運動治療的依從性。

4 AI在T2DM并發癥中的應用

T2DM患者短期和長期的血糖異常波動容易引發大血管和微血管并發癥,還會引起氧化應激和慢性炎癥因子的增加,導致器官受損。AI在提高T2DM并發癥的預測與早期篩查效率和準確率上作用顯著,AI醫學影像分析顯現出強大優勢,基于支持向量機、邏輯回歸、多層神經網絡等算法的預測模型也已被證實是可行可靠的,AI不斷滿足T2DM并發癥臨床診治的各種需求,有較高的應用價值。

4.1糖尿病視網膜病變(DR) DR是DM最常見的眼部并發癥,會導致患者視力下降,甚至失明,是中老年人視力喪失的主要原因[23]。在中國的T2DM患者中,DR的患病率為28%～43%。因此,進行T2DM的系統管理,在早期對DR進行篩查診斷并及時管理治療,有助于減少繼發于T2DM的視力損害。

近年來,AI在眼科學的應用范圍不斷擴展,深度學習作為最先進的機器學習技術,在圖像、聲音識別方面具有診斷性能,尤其是對于眼科疾病來說,可以降低成本、提高診斷準確性[24]。AI可以從豐富的圖像數據中識別出DR患者是否有出現出血滲出、微動脈瘤和新生血管,對DR進行篩查診斷和分級。2018年,首個用于DR臨床篩查的深度學習算法獲得美國食品藥品監督管理局(FDA)批準,敏感度和特異度分別為87.2%和90.7%,這是AI在眼科領域應用的里程碑事件[25]。國內外研究人員多次對卷積神經系統模型進行訓練測試,結果顯示AI系統篩查檢出可疑DR和同為DM眼部并發癥的糖尿病黃斑水腫(DME)的敏感度超過90%,達到眼科醫生的水平。智能視網膜成像系統具有自動、遠程控制的特點,可以將最新的視網膜圖像與早期DR的圖像數據進行比較,根據病變程度提出轉診建議[26]。

對于醫療資源相對匱乏的基層醫院,AI輔助診斷既能提高效率,又能節省費用,減少醫生工作量。有研究顯示,AI閱片診斷的符合率高于不同職稱的內分泌醫生,在轉診決策性能評估上,AI系統的轉診效率也優于培訓后的社區醫生[26],AI對DR的診斷依賴于清晰準確的圖像數據,然而不同地區和醫療機構的技術水平不同,造成圖像數據質量不穩定,這會對AI診斷判別DR的準確性帶來一定影響。AI還可以用于DR的風險分級,根據患者性別、DM類型、DR嚴重程度、持續時間等風險特征,通過使用數字算法估計DR的風險,并確定個性化篩查間隔,在關注患者DR發展情況的同時合理分配醫療資源[27]。

4.2糖尿病腎病(DKD) DKD是T2DM的常見微血管并發癥,對25%的患者都造成了影響[3],是慢性腎病和終末期腎病的主要原因。通過精確的預測模型對DKD進行早期干預,可以遏制其在無明顯癥狀或體征的T2DM患者中發展。已有通過大數據機器學習構建基于電子病歷的T2DM患者DKD的預測模型,評估蛋白尿和估計腎小球濾過率等生物標志物[3],旨在預測DKD并進行有效準確的干預,避免患者進行血液透析治療,減少心血管事件的發生。

基于機器學習的mMRI-TA模型可用于評估DKD的腎功能,腎纖維化的T2WI成像變化很難被肉眼識別,但AI技術可以通過提取大量MRI成像紋理和細節特征分析來檢測腎功能不全和纖維化患者的信號強度變化并進行量化[28]。DR、血細胞比容和血尿是區分DKD與非DKD重要特征變量,通過機器學習方法建立邏輯回歸模型,對未進行腎活檢的患者進行無創鑒別,可以提高臨床診斷能力,降低疾病分類的誤診概率[29]。此外,將機器學習與WGCNA分析相結合,鑒定DKD的差異表達基因,并對免疫和氧化應激相關的樞紐基因進行篩選,為DKD的診斷和治療提供新靶點[30]。

4.3心血管疾病(CVD) CVD是T2DM患者死亡的主要原因,與一般人群相比,T2DM患者的高血壓患病率顯著增加,且T2DM合并高血壓患者的心血管死亡風險更高[31],CVD也是DM患者醫療保健支出的最大組成部分[4]。

目前,越來越多的治療方案將降糖和降壓共同作為治療重點,近期已有國內自主研發的智能血壓腕表通過Ⅱ類醫療器械注冊檢驗,隨著傳感器技術、算法的更新,血壓測量的敏感度、準確度不斷得到優化,還可以幫助患者監測心率,發現心律失常,早期預警心血管疾病[32]?；跈C器學習的RUSBoost算法模型可分析糖化血紅蛋白(HbA1c)、平均血糖、DM持續時間等參數,識別CVD低風險和高風險的T2DM患者,改善傳統量表預測風險“一刀切”的缺點,轉向精確預測,挖掘患者群體在CVD方面的異質性,有利于定制更有效的預防和治療策略[33]。

此外,AI也廣泛應用于心電圖[34]、心血管影像[35]等檢查,這些方法敏感度和準確度高,可以量化心血管的結構和功能,鑒別疾病,及時篩查出異常情況,盡早發現心CVD并進行及時有效的救治。

4.4糖尿病足(DF) DF是由周圍神經病變導致感染、潰瘍等的常見慢性并發癥,若不及時治療,可能會導致截肢。AI在DF中的應用主要有以下三方面。

4.4.1足部潰瘍和截肢的風險預測 機器學習技術建立統計模型可以評估患者病史、經濟水平等因素來進行預測[36],旨在改善患者的生活質量和減輕截肢帶來的經濟負擔。DF預警系統可分為足底壓力檢測、紅外熱成像和溫濕度檢測,實時監控DF高危因素,及時篩查DF,有效降低其發病率[37]。

4.4.2通過足底溫度評估分析潛在炎癥程度 足底溫度升高是潛在炎癥的關鍵指征,基于高分辨率紅外相機和計算機捕獲分析參數的紅外熱成像技術可以用于自動檢測DF,分析溫度的傷口炎癥指數與傷口愈合之間的關系,預測傷口愈合情況,與液晶熱成像相比,其具有非侵入性測量的優點,有利于進行自動分析,在遠程醫療應用中顯示出更大的潛力[38]。

4.4.3可以協助判斷傷口大小及深度 在DF的診治過程中,準確測量傷口大小至關重要,為了準確和客觀地進行傷口大小測量,一些手機APP如NDKare采用可在二維和三維2個層面獲取傷口表面積、深度和體積并進行統計分析評估,這些數據將上傳至系統供醫護人員使用[39]?；谏疃葘W習的APP還可實現智能閉環式全病程管理,涵蓋對患者的資料采集、智能測量、分級評估、多學科會診和醫聯體醫院間智能化轉診,有助于實現信息共享、線上線下一體化診療[40]。

5 AI在T2DM管理中的局限性

AI的應用也面臨醫療安全、醫學倫理方面的爭議。比如AI系統模型涉及大量的醫療數據信息,存在倫理與隱私問題;AI更新迅速,醫護人員跟不上AI的發展步伐,難以配合達到效果最大化,缺少系統培訓來適應傳統醫療到智慧醫療的轉變;雖然目前AI技術已經盡可能秉持“以人為本”的原則進行人性化設計,但老年人使用智能設備仍然存在障礙,不利于疾病的管理。

6 小結與展望

智慧醫療是“健康中國”戰略實施的重要支撐和保障,AI使醫療朝著更智慧、更便捷、更實用、更安全的方向發展。對于醫療機構來說,AI的應用大幅度提高了效率,減輕醫護人員的工作壓力和醫療衛生系統的負擔;對于患者來說,AI的應用可以輔助自我管理,改善行為依從性和生活質量。AI還使患者、家庭、社區、醫療機構共同參與到健康管理中,促進信息交互,及時調整治療策略。目前,機器學習是AI中最熱門的方向,基于機器學習構建的算法模型既可以輔助診斷、預測風險,又參與醫療信息化,管理分析大數據并進行可視化,醫學影像等領域都取得了超越傳統方法的效果。

AI在T2DM健康管理中發揮了重要的作用,未來前景可期。目前,大數據規范應用標準化建設、人工智能應用標準化建設都在逐步推進,在之后的研究中,AI領域不僅需要優化算法,進一步探索個性化、人性化,還需要建設更完善的責任制度體系和監督體系,重視患者信息的隱私保護,并重視醫療機構、社區、家庭對患者的人文關懷。