人工智能技术在糖尿病管理中的应用进展

侯铃宇 张 璇 沈 芳 何承元 林静静 丁小容

糖尿病( DM)是一组以血糖浓度升高为特征的代谢紊乱的全球性“流行病”,2015年，全球约有4.15亿人患有DM，预计到2040年将增至6.42亿[1]。2013年，中国成年人DM的总患病率为10.9%，DM前期的患病率估计为35.7%[2]。2017年，全球范围内约有500万20～99岁年龄段的人死于DM。DM患病率、死亡人数和DM医疗费用构成了巨大的社会财政和卫生系统负担[3]。由于医疗公共卫生资源分配不均，护士数量不足的现状[4]，因此借助科技手段帮助医护人员对DM管理是十分必要的。人工智能(AI)是科技技术快速发展的产物，是研究开发用于模拟、延伸和扩展的智能理论、方法、技术及应用系统的一门技术科学，其三大主要分支为人工神经网络、专家系统、数据挖掘[5-6]。李兰娟[7]指出有望通过AI改变医疗模式。AI可以集成慢病管理需要的知识与工具，将重复性的管理工作实现自动化、智能化[8]。本文旨在对AI在DM诊断、血糖管理、个性化DM生活方式管理、DM并发症预测及管理中的应用进行综述。

1 AI技术诊断DM

AI技术为DM诊断带来了新的机遇。AI技术开发的诊断专家系统是一种模拟医学专家诊断疾病思维过程的程序系统，专家系统具有收集、整理和记录专家知识的能力，从而给出诊疗建议，起到帮助医生减少误诊的作用。Jayashree等[9]提出DM诊断专家系统，基于线性判别分析和广义回归神经网络的遗传算法的准确率约为80.2%，ROC曲线下面积为0.875，该研究结果表明DM诊断专家系统不仅减少了DM诊断的计算时间和成本，且提高了DM分类的准确性。薛翔[10]在一项研究中结合医疗数据挖掘知识对DM数据进行整理，基于概率神经网络算法建立了DM诊断模型(准确率达到了 97.9%)，实现了对DM的诊断，并能为医生提供较为准确的诊疗建议。该研究建议在以后的研究中还需要进一步分析、处理更多的病历数据，保证诊断准确率及诊疗建议的准确性。

2 AI技术提供血糖监测管理

2.1 连续动态血糖监测仪(CGM)

预测、监测与控制血糖是DM管理的重要方向。CGM是通过葡萄糖感应器监测皮下组织间液的葡萄糖浓度而间接反映血糖水平的监测技术，可提供全面、可靠、连续的全天血糖信息及血糖波动的趋势[11]。CGM已被证明具有临床价值，可降低低血糖和高血糖的风险，改善患者的生活质量;CGM可以用于检测低血糖并暂停胰岛素输注，直至血糖恢复到安全水平[12]。CGM包括回顾性CGM和实时CGM。Floyd等[13]发现使用CGM与自我血糖监测相比，使用CGM患者的短期和长期糖化血红蛋白显著降低，低血糖和高血糖持续时间显著缩短。王春玲[14]研究发现,实时CGM与便携式血糖监测仪相比，两种监测方法监测平均血糖水平无明显的差异,但实时CGM监测低血糖、无症状低血糖、 夜间无症状低血糖比例都高于便携式血糖仪。目前，CGM监测方法具有安全性、准确性、便捷性、可靠性和实用性等优势，可对无症状低血糖事件进行及时、动态地监测，易于推广到家庭和社区。

2.2 人工胰腺(AP)

AP治疗也被称为闭环血糖控制，是一种新兴的治疗方案，结合胰岛素泵和连续血糖监测和控制算法，以葡萄糖反应方式(即单激素人工胰腺系统)输送胰岛素[15]。AP不仅满足改善血糖控制的临床需求，而且减轻1型DM患者自我护理负担[16]。Turksoy等[17]已经开发了一个集成的多变量自适应人工胰腺控制系统,该系统有三个不同的模块：第一个模块是负责胰岛素建议的自适应控制算法；第二个模块是一个低血糖早期报警系统，该系统能提前25～30min检测低血糖发作，并警告患者存在潜在的低血糖值；第三个模块是自适应膳食检测模块，该膳食检测模块能够自动提供膳食丸，以防止餐后高血糖的发生。AP对血糖控制有很大的帮助，但AP应用到临床仍是一个循序渐进的过程。首先，其精确性和安全性需要大量的临床实验数据支持。其次，远程控制的稳定性等方面有待提高，需进一步改进AP的硬件，以提供更精确的控制系统。

3 AI技术提供个性化DM生活方式管理

生活方式干预是2 型DM的基础治疗措施,应贯穿于DM治疗的始终，健康生活方式包括合理饮食、控制体重、适量运动等[18]。智能DM管理决策支持系统由一些工具组成，这些工具主要用于帮助患者、医护人员管理DM，帮助患者和医护人员系统记录有关体力活动、饮食、药物、血糖测量等信息，并将其与支持患者和临床医护人员的工具结合起来，以提高治疗效果[19]。智能DM管理决策支持系统充分考虑到患者的情感、时间以及患者意愿，能提供针对性、个性化的决策和生活方式管理服务。

3.1 运动管理

运动干预是生活方式管理的一个重要内容，有规律的运动对DM患者是有帮助的,有利于血糖控制，可促进血液循环、改善心肺功能。由于AI和移动健康技术提供了平台，能帮助患者更易获得健康行为指导计划。Stein等[20]研究结果表明，使用百灵鸟人工智能减肥健康教练(HCAI)可以使DM患者体重减轻，还可以使患者健康行为发生改变，并具有很高的用户接受度。该研究的经验可应用于指导未来临床试验,进一步评估HCAI及设计智能系统促进减肥、健康行为改变和慢性病的预防和自我管理。Yom-Tov等[21]研究27名久坐的2型DM患者提供基于智能手机的计步器和个人体育锻炼计划，患者被发送短信息服务信息，以鼓励患者进行体力活动，通过强化学习算法对信息进行个性化处理，提高每个参与者对活动方案的依从性，结果发现手机应用程序加上学习算法可以改善DM患者对运动的依从性，该算法可用于大量DM患者，以改善健康和血糖控制。

3.2 饮食管理

饮食管理对改善2型DM患者的血糖控制是有效的，AI和远程通信技术促进的照片分析技术的改进，使营养素摄入量的自动评估成为可能，AI和手机支持的营养干预有望成为亲自营养干预的替代方法[22]。Zhang等[23]研究一种移动食品识别系统，该系统无需用户干预，用户只需拍下食物盘的照片，便可自动识别食物并估计食物的热量和营养含量，现已将这个系统作为安卓智能手机应用程序和web服务来实现，在实验中，检测15种不同种类的食物时，达到了85%以上的准确率。 Norouzi等[24]研究DM零食推荐系统，该系统是一个基于知识的智能手机应用，其研究的重点是根据美国糖尿病协会的指导方针，开发结合AI技术和知识库的推荐系统,该系统能够根据季节(准确率100%)和个人兴趣(准确率90%)向DM患者推荐各种零食，此系统被认为能够帮助DM患者采取更健康的饮食。由于参与者仅限于拥有手机的人，因此研究结果可能无法推广到信息和通信技术素养相对较低的几代人，这就需要在以后的研究中，纳入信息和通信技术素养相对低的人群，可以在家属和护士的指导下完成操作。

4 AI技术预测、管理DM并发症

DM是一种慢性病，其并发症严重影响患者的生存寿命和生活质量，实现AI技术在DM并发症中的管理是极为重要的。机器学习是一种基于模式识别的AI，在机器学习中，称为“训练数据”的给定数据集用于执行预测，近年来已成为医学研究中的一个宝贵工具[25]。王洁等[26]提出了一种基于Logistic回归结合多层神经网络的2型DM并发症预测模型，研究结果表明Logistic回归结合多层神经网络预测DM并发症准确率高达85%左右, 能为2型DM并发症预测提供可靠的参考价值。

4.1 糖尿病肾病管理

糖尿病肾病是DM的严重并发症之一,糖尿病肾病是导致终末期肾衰竭的最主要原因[27]。AI可以根据2型DM患者的电子病历，利用大数据机器学习预测糖尿病肾病的进展。 Makino等[28]研究采用AI技术，利用大数据机器学习处理自然语言和纵向数据，构建糖尿病肾病预测模型，它使用参考期前6个月的时间序列数据，预测参考期后6个月的糖尿病肾病进展，AI对糖尿病肾病加重的预测准确率为71%。新的智能预测模型可以检测糖尿病肾病的进展，有助于更有效、更准确的提供干预措施和减少血液透析。

4.2 糖尿病视网膜病变管理

糖尿病视网膜病变是导致失明的主要原因,远程眼科系统是相对成熟的远程医疗应用。可持续的视网膜远程监测应用一种廉价的便携式设备，用于在不使用药物扩张瞳孔的情况下拍摄低光视网膜图像，以及一种用于快速检测和诊断糖尿病视网膜病变的计算机辅助方法，利用卫生信息技术、医疗设备、移动电话和健康移动应用程序以及软件应用程序来形成更全面的远程保健模式，改善保健协调、自我保健管理和教育，可对保健结果产生重大影响包括预防DM导致的视力丧失[29]。李萌等[30]研究结果表明,基于眼底阅片的眼科AI系统诊断符合率可同眼科高级职称医生水平相媲美,且其系统平均阅片时间短,阅片结果质量稳定,可为大规模糖尿病视网膜病变人群筛查提供新的方法与系统。Natarajan等[31]研究结果表明，离线AI系统诊断糖尿病视网膜病变的敏感性和特异性分别为100.0%和88.4%，利用基于智能手机的眼底摄像头的离线AI系统在社区筛查糖尿病视网膜病变方面具有前景，AI的使用将有助于在偏远地区筛查糖尿病视网膜病变。在今后可能需要一项样本量更大的研究将结果推广到一般人群。

4.3 糖尿病心血管疾病管理

研究显示，我国40岁及以上DM患者中,半数以上处于心血管疾病发病风险高危水平[32]。新一代远程医疗项目通常被称为“远程医疗2.0”项目(也称为“电子健康2.0”)，是利用新的信息和通信技术和Web 2.0技术，其中大多数研究都是建立在各种连接工具(蓝牙和/或Wi-Fi)上，用于监测1型和2型DM及其并发症,通过远程监控2.0平台优化DM患者的家庭监控，发现DM失代偿风险情况及其心血管并发症(如心肌梗死或慢性心力衰竭)[33]。远程管理必须纳入家庭远程监控设备和智能手机远程应用程序的数据，以便从任何地方进行监控和管理DM患者。

4.4 糖尿病足管理

足溃疡约占1型DM患者的15%,85%的患者在截肢前发生足部溃疡，足部病变的预防和妥善处理具有重要价值[34]。Fraiwan等[35]建立基于智能手机的热成像系统，所提出的系统包括硬件以及必要的图像处理和解释软件技术，该系统已成功地识别出温度梯度大于2.2°C的热点区域，这被认为是可用于识别可能溃疡的值，该系统提供的一种自动识别DM患者可能发生足溃疡的方法，可以帮助DM患者自我检查足溃疡。Quinn等[36]提出一种基于热成像的足部温度热点检测方法，旨在检测足底表面溃疡前热点区域对热点区域的早期发现和治疗可以降低溃疡发生的风险，该研究在10名健康参与者的足部模拟热点，结果表明，60%的受试者正确检测到热点。从两项研究来看，基于智能手机的热成像系统和应用可以早期发现和治疗降低溃疡发生的风险,能更好的对糖尿病足进行管理。

5 小结与展望

本文着重讨论了AI技术在DM诊断、血糖管理、个性化DM生活方式管理、DM并发症的预测及管理的现状。AI技术具有广阔的前景，目前我国AI技术与医疗相结合还处在初步阶段，要实现AI对DM的管理还有许多问题。首先,大部分DM患者是中老年人群，其对AI和现代化信息技术还不够熟悉，这需要加大宣传力度，提高智能管理设备的可接受度，提供更加人性化、个性化、针对性的智能管理系统、设备；其次，在智能DM管理中，要重视护士的重要性，加强对护士的培训，组成远程护士专家团队，定期通过云平台、媒体平台等对患者进行健康宣教，使患者主动的实现DM自我管理。在未来，AI技术在DM管理领域有以下几个发展方向：第一，整合DM各种数据来源形成DM健康大数据，让DM患者都有自己的电子健康档案，用云平台解决DM大数据问题；第二，AI技术与互联网、大数据、云计算、移动终端及物联网等新兴技术结合来实现DM闭环管理；第三，医院采用的电子病历系统使用同样的数据标准，规范和管理DM数据；第四，将智能DM管理设备、产品推广到社区和家庭。AI对医疗领域带来极大的帮助，未来AI最大的作用是解决医护人员简单重复的工作，提高医护人员的工作效率，真正发挥医护人员的智慧。