几十年来，医疗诊断设备的一大特色是无创血糖监测器。从腕表到隐形眼镜，尽管出现各种各样的创新，但能够连续监测血糖水平而不破坏皮肤的设备这种诱人梦想还未能实现。华威大学(University of Warwick)的研究人员现在正在展示最新的前瞻性技术，利用人工智能从简单的心电信号中检测出低血糖信息。
这项新研究的研究者Leandro Pecchia解释说：“手指采血从来都是不快乐的过程，在某些情况下尤其麻烦。在夜间特别是对于小儿科患者而言，在夜间指尖采血更是令人不快的过程。我们的创新在于利用人工智能通过几次心电图跳动来自动检测低血糖。这一点很重要，因为在任何情况下（包括睡眠）都可以检测到心电图。”
华威大学团队取得的关键突破是开发一种可以学习单个患者的ECG节奏的AI系统。由于在不同受试者中发现的信号种类繁多，因此通过ECG数据调查血糖追踪的先前研究未能成功。由于ECG数据的异质性，因此没有机器学习系统能够成功获取大量的ECG记录并找到与个体血糖测量相关的通用模式。
如下图所示，两个受试者之间低血糖的心电图测量结果可能截然不同，这意味着前进的唯一方法是开发一种可以检测每个患者个性化波动的AI系统。
Pecchia说：“上面强调的差异可以解释为什么以前使用ECG检测低血糖事件的研究失败了。这些受试者间的差异将阻碍通过队列ECG数据训练的AI算法的性能。我们的方法可对检测算法进行个性化调整，并强调降血糖事件如何影响个人的心电图。”
在新发表的期刊文章中，为了探讨这种新型系统的功效，研究人员报告了两项初步研究的结果。在健康志愿者中，该系统能够以82％的准确度检测低血糖事件。
当然，如前所述，这并不是第一个在早期试验阶段被证明有效的非侵入性葡萄糖监测系统。研究人员对于这个系统离市场有多远持务实态度，他们还需要做大量的工作来验证和完善这项技术在更大的患者群体中的应用。然而，这项研究也指出，这个心电图框架可以被纳入一个更广泛的血糖跟踪系统，该系统使用其他非侵入性生理信号，如身体活动水平、皮肤电导率和营养信息。
这项新研究发表在《科学报告》杂志上。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
