華威大學(xué)的研究人員開(kāi)發(fā)了一種新技術(shù)，該技術(shù)使用無(wú)創(chuàng )可穿戴傳感器通過(guò)ECG檢測低血糖水平，該傳感器具有最新的人工智能功能，可以從原始ECG信號中檢測降血糖事件。

NHS目前提供連續血糖監測儀(CGM)，用于低血糖檢測(血液或皮膚中的糖水平)。他們使用帶小針頭的侵入式傳感器測量組織液中的葡萄糖，該傳感器將警報和數據發(fā)送到顯示設備。在許多情況下，他們需要每天兩次使用有創(chuàng )手指刺血糖水平測試進(jìn)行校準。

但是，沃里克大學(xué)的Leandro Pecchia博士的團隊今天在2020年1月13 日發(fā)表在《自然史普林格》雜志《科學(xué)報告》上的一篇論文中證明了利用人工智能的最新發(fā)現(即深度學(xué)習)，他們可以發(fā)現使用現成的非侵入式可穿戴傳感器獲取的原始ECG信號產(chǎn)生的降血糖事件。

兩項針對健康志愿者的試點(diǎn)研究發(fā)現，低血糖檢測的平均敏感性和特異性約為82%，與目前的CGM性能相當，盡管是非侵入性的

華威大學(xué)工程學(xué)院的 Leandro Pecchia博士評論說(shuō)：

“指尖永遠不會(huì )令人愉悅，在某些情況下特別麻煩。晚上用手刺肯定不愉快，尤其是對于小兒科患者。

“我們的創(chuàng )新在于利用人工智能通過(guò)很少的心電圖搏動(dòng)自動(dòng)檢測低血糖癥。這是有意義的，因為在任何情況下(包括睡覺(jué))都可以檢測到ECG。”

該圖顯示了一段時(shí)間內算法的輸出：綠線(xiàn)代表正常的葡萄糖水平，紅線(xiàn)代表低的葡萄糖水平。水平線(xiàn)代表4mmol / L葡萄糖值，這被認為是降血糖事件的重要閾值。連續線(xiàn)周?chē)幕疑珔^域反映了測量誤差線(xiàn)。

Warwick模型突出顯示了降血糖事件期間每個(gè)受試者的心電圖如何變化。下圖是一個(gè)示例。實(shí)線(xiàn)表示當葡萄糖水平正常(綠線(xiàn))或低(紅線(xiàn))時(shí)兩個(gè)不同受試者的平均心跳。紅色和綠色陰影表示心跳周?chē)骄档臉藴势?。比較突出顯示這兩個(gè)對象在次要事件期間的心電圖波形變化不同。尤其是，受試者1在假想期間表現出明顯更長(cháng)的QT間隔，而受試者2則沒(méi)有。

豎線(xiàn)表示每個(gè)心電圖波在確定心跳是否分類(lèi)為低或正常時(shí)的相對重要性。

從這些條形圖上，訓練有素的臨床醫生看到，對于受試者1，T波位移會(huì )影響分類(lèi)，反映出當受試者處于體位低下時(shí)，心室的復極化較慢。

在受試者2中，ECG的最重要組成部分是P波和T波的上升，這表明當該受試者處于低水平時(shí)，心房的去極化和心室激活的閾值會(huì )受到特別影響。這可能會(huì )影響后續的臨床干預。

由于使用每個(gè)受試者自己的數據訓練了Warwick AI模型，因此可以得到此結果。主體間的差異是如此之大，以至于使用同類(lèi)群組數據來(lái)訓練系統將不會(huì )產(chǎn)生相同的結果。同樣，基于我們系統的個(gè)性化治療可能比當前方法更有效。

Leandro Pecchia博士評論：

“上面突出顯示的差異可以解釋為什么以前使用ECG檢測低血糖事件的研究失敗了。這些對象間的差異將阻礙通過(guò)同類(lèi)群組ECG數據訓練的AI算法的性能。”

“我們的方法可以對檢測算法進(jìn)行個(gè)性化調整，并強調降血糖事件如何影響個(gè)人的心電圖?；诖诵畔?，臨床醫生可以使治療適應每個(gè)人。顯然，需要更多的臨床研究來(lái)證實(shí)更廣泛人群中的這些結果。這就是我們尋找合作伙伴的原因。”