图片来源：Pixabay
加州大学旧金山分校（UC San Francisco）的研究人员开发出一种“数字生物标志物”，通过智能手机的内置相机发现2型糖尿病——世界上最主要的致病和死亡因素之一——有望为抽血和基于临床的筛查方式提供一种潜在的低成本、可家用的选项。
2型糖尿病影响了超过3200万美国人和全世界超过4.5亿的人口，它能增加涉及几乎所有器官系统的疾病风险，包括冠心病、肾衰竭、失明和中风。最近的流行病中，科学家发现它也会增加COVID-19的重症风险。
然而，半数的糖尿病患者并没有察觉到患病和对自身的健康风险。
在2020年8月17日《自然·医学》（Nature Medicine）上的研究的共同主要作者、心脏病学助理教授、医学博士和公共卫生硕士Geoffrey H. Tison说：“通过无痛的、基于智能手机的测试，为发现像糖尿病这样有着许多严重后果的疾病的能力提出了许多可能性。我们希望让这样的方式成为协助确定糖尿病高危人群的工具，最终帮助降低未诊断糖尿病的患病率。”
研究人员表示，利用智能手机已经包含的技术，可轻松部署筛查工具，能迅速提高发现糖尿病的能力，包括无法获得传统医疗保健的人群。
图片来源：Pinterest
根据世卫组织的数据，糖尿病本身是全球第七大死因，同时会显著增加心脏病的患病风险，而心脏病是美国和全世界的主要死因。美国疾病控制与预防中心估计，2型糖尿病患者死于心脏病的概率是没有糖尿病的人的两倍。
主要作者、心脏病学临床导师、医学博士和理学硕士Robert Avram说：“糖尿病可以在很长一段时间内无症状，使得诊断变得更加困难。直到现在，一直缺乏无创和可广泛推广的糖尿病检测工具，这促使我们开发这种算法。”
在开发生物标记的过程中，研究人员推测，智能手机的摄像头能够用于检测名为光电容积脉搏波（photoplethysmography，PPG）的信号，来检测糖尿病引起的血管损伤，而大多数移动设备，包括智能手表和健身手环，都能够获得这种信号。研究人员用手机闪光灯和摄像头，通过捕捉指尖上与每次心跳相对应的颜色变化来检测PPG。
在《自然·医学》的研究中，UCSF的研究人员从eHeart健康研究中的53870名患者处获得了接近300万条PPG记录，这些患者使用iPhone上Azumio即时心率应用，并报告称已被医疗机构诊断为糖尿病。这些数据用于开发和验证一种深度学习算法，以利用智能手机测量的PPG信号来检测是否存在糖尿病。
总体来说，该算法在两个独立的数据集中正确识别了高达81%的患者是否患有糖尿病。而在另一个从个人诊所登记的患者数据集中测试时，算法正确识别了82%的糖尿病患者。
在算法预测没有糖尿病的患者中，验证性数据集的92%到97%的患者确实没有糖尿病。当这种基于PPG的预测与其他容易获得的患者信息（如年龄、性别、体重指数和种族/民族）结合使用时，预测性能可进一步提高。
作者表示，在这种水平的预测性能下，该算法能够起到类似于其他广泛推广的疾病筛查工具的作用，惠及更广泛的人群，然后由医生确诊糖尿病和相关治疗方案。
UCSF健康心脏病学家、心脏科教授兼主任、医学博士、研究的作者Jeffrey Olgin说：“我们证明了算法的性能足以媲美其他常规的检测，如乳腺癌的钼靶或宫颈癌的宫颈细胞学检测，其无痛性使其具有重复检测的吸引力。像这样一种易获得的、基于智能手机的工具，可用于识别和鼓励糖尿病高风险个体去寻医并获得低成本的确认测试。”
作者建议进一步研究，以确定这种方法对特定临床应用的有效性，如筛查或治疗监测。
翻译：陈振翀
审校：巢栩嘉
引进来源：加州大学旧金山分校
本文来自：中国数字科技馆
特别声明：本文转载仅仅是出于科普传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或其它相关事宜，请与我们接洽。
[责任编辑：环球科学]
京公网安备11010502039775号
