人工智能在糖尿病诊疗中的研究进展.pdf

第 期 年 月专题论坛 作者单位：江苏省南京市，南京医科大学附属老年医院内分泌科人工智能在糖尿病诊疗中的研究进展唐伟 张子成唐伟 教授 中图分类号 文献标志码 ：国际糖尿病联盟最新的报告指出，全球糖尿病患病人数高达 亿，中国患病人数排名世界第一，约 亿。糖尿病所致的急慢性并发症给病人及家庭带来了痛苦及沉重的经济负担。因此，糖尿病的早发现、早诊断及早治疗尤其重要。人工智能（，）作为 世纪的新兴技术现已被运用至医疗管理中。基于 的机器学习、自然语言、机器人处理及计算机视觉功能所形成的大数据处理、病人行为模式分析以及疾病风险预测、诊断和治疗决策树等研究方向已成为热点问题。现今，已被广泛应用于糖尿病的风险预测、决策支持及疾病管理，在糖尿病慢病管理过程中发挥了巨大的临床价值。本文将对这些方面的研究进展进行综述。预测糖尿病风险既往的研究大多采用基于糖尿病人群的基因、临床特征及代谢指标等因素的回归模型进行疾病的风险预测。相较于传统方法，因其独特的、自动化的算法使其拥有更高的计算效率及结果准确性。等在全基因组关联分析（，）数据集上使用支持向量机（，）的方法建立了 型糖尿病（，）预测模型，并在独立的 基因数据集和 基因数据集上测试了该模型，结果显示 个数据集的 均为，提示模型具有良好的准确性。等分别运用 回归、近邻算法（，）、和人工神经网络（，）建立了基于 种长链非编码（，）作为变量的 预测模型，结果显示 模型和 回归模型的 均为 。等收集了广州社区居民的年龄、性别、婚姻状况和教育水平等人口统计学特征以及饮食、运动和工作压力等生活习惯，分别运用 回归、和决策树建立糖尿病及糖尿病前期预测模型，结果显示决策树模型准确性最佳，强调了生活方式干预在降低糖尿病发病率中的作用。国内一项研究使用决策树建立模型预测，该模型使用空腹血糖、糖尿病家族史、心脑血管病史、年龄、低密度脂蛋白、甘油三酯、等危险因素，一致性分析结果显示，个案例中只有 例出现预测错误。另一项基于 的 预测模型研究发现，环境因素联合基因因素模型的训练准确率和预测准确率高于单独使用环境因素模型。因此，优化 算法，以及联合基因、环境、生活方式及临床特征等多种糖尿病相关影响因素的糖尿病预测模型，将是未来糖尿病预防的重要研究方向。实用老年医学 年 月第 卷第 期 ，精准分型糖尿病国内外指南均推荐使用空腹血糖、餐后血糖、随机血糖和 进行糖尿病诊断。虽然指南推荐的诊断切点一致，但既往的研究显示，不同的种族可能存在诊断切点的差异。等发现，在中国人群中，使用 为糖尿病诊断切点时的敏感性高于使用 。年发布的糖尿病分型诊断中国专家共识提出了适合中国人群进行糖尿病诊治的新分型，并强调了明确病因及病因治疗的重要性。因此，对怀疑患有糖尿病的人群进行及时的诊断、分型是极其重要的。可以运用其高效处理非线性复杂关系及易于数据接入的能力高效、准确地对病人进行诊断、分型。美国糖尿病学会（，）和欧洲糖尿病研究协会（，）颁布的共识也指出了“大数据”及计算机技术对于糖尿病精准医疗的重要作用。未来基于 的糖尿病诊断分型模型主要的研究热点为：（）使用 提高诊断准确性；（）搭配新型糖尿病相关传感设备，辅助诊断糖尿病。等使用机器学习和特征工程建立了一种半自动框架，用以识别 病人，该框架与其他 算法相比拥有更好的识别性能和准确性。等使用拉曼光谱仪在不同皮肤部位进行测量并运用 和 建立 诊断模型，该方案的优点在于过程无创且自动化。辅助筛查糖尿病相关并发症病程较长、血糖控制不佳的糖尿病病人易出现各类并发症，主要包括视网膜病变、神经病变、肾病及足病等。早期识别并治疗相关并发症可以延缓疾病进展，改善病人预后。人工辨识眼底照片、足病溃疡灶等存在个体判别差异性大、耗费人力及时间成本等缺点。机器学习整合计算机视觉技术可以通过模拟人类视觉特征，对图像进行高效、快速、自动化处理，从而客观地评判有无疾病及疾病的严重程度。筛查糖尿病视网膜病变（，）是全球导致失明的主要原因之一。病人处于 早期时可能无明显的临床症状，因此，定期进行眼科随访、眼底检查尤为重要。的标准化筛查需要由有经验的眼科医师使用专业的眼底照相设备完成。在没有相应条件的医院和地区，筛查的开展较为困难。近年，基于 的 筛查系统正在不断被应用于临床。年，首次批准 系统（）用于 的筛查。一个名为 的 系统在年后也获得了 的自主诊断 的许可。两种 系统诊断 时均表现出良好的敏感性和 特 异性。目前，国内也有成熟的筛查 的 系统，等收集了来自 例糖尿病病人的 张眼底照相，开发了名为 的深度学习系统，该系统用于检测微血管瘤、棉絮状软性渗出、硬性渗出和眼底出血时的 分别为 、和，用于检测轻度、中度、重度 和增殖期 时的 分别为 、和 ，结果支持了该系统对诊断、分级 的有效性。技术的应用大大降低了疾病评估的主观性。目前，辅助非眼科专科医生及医疗资源不充足区域筛查 是 主要的应用场景，未来能够独立准确诊断 的 系统有望被开发出来。针对基于 的 筛查系统的工作流程也正在不断被研究，这也为挖掘系统潜能提供了新的思路。筛查糖尿病神经病变糖尿病神经病变是常见的并发症之一。糖尿病神经病变的筛查目前主要依靠病人症状、踝反射、针刺痛觉、震动觉、温度觉及压力觉等体格检查以及神经电生理检查。筛查流程费时费力，并且缺乏特异性。有效解决了以上痛点，并可对病变程度进行客观分级。等将年龄、性别、糖尿病病程和 水平作为变量运用 建立糖尿病神经病变及神经性疼痛预测模型，该模型的 为 。等设计了一个用于评价糖尿病神经病变严重程度的模糊专家系统，该系统的敏感性、特异性和准确性分别为、和。算 法 联 合 角 膜 共 聚 焦 显 微 镜（，）以其过程无创的特性及快速、精准的性能用于糖尿病神经病变筛查，是目前的研究热点。等利用卷积神经网络使用深度学习算法对通过 获得的 张图像进行训练，并做 张图像的外部验证，结果显示其对各类角膜基底下神经丛形态学的定量性能及对糖尿病神经病变的预测性能均优于已被广泛应用的图像分析软件（）。在其他糖尿病慢性并发症中的应用 对于糖尿病足病、糖尿病肾病等其他并发症也拥有良好的应用前景。一项使用热成像技术的研究显示，机器学习和深度学习可以良好地对糖尿病病人足温进行分级，分级结果可以辅助判断足底溃疡的风险。偏振光实用老年医学 年 月第 卷第 期 ，谱成像技术联合 算法被应用于评估皮肤微循环状况，获得的参数也可作为糖尿病皮肤相关并发症的标志物。运用机器学习技术的糖尿病足病的预测模型也显示出良好的准确性。一种新的基于增强梯度提升机的预测模型被提出用于预测糖尿病肾病风险，该模型不仅能精准预测 年后的肾病风险，还能通过时间推移累计数据来提高预测性能。辅助临床决策随着互联网及 技术的发展，传感技术、医疗软件、自动化 半自动化管理路径正在被不断研发，并不断应用于临床实践之中。由此，医疗技术水平、管理模式效率得到了有效提高，糖尿病慢病管理的临床策略也在被持续丰富。决策能力的提升主要体现在以下方面：（）预测血糖趋势：年，批准了美敦力公司的 智 能 动 态 血 糖 仪（）上 市，该 款（）拥有基于智能算法的血糖预警系统，该系统可以提前 预测低 高血糖极值。既往研究显示，该款 在降低低血糖事件和提升血糖达标时间方面有良好的作用。（）辅助健康教育：南京大学医学院附属鼓楼医院内分泌科建立了基于 的门诊智能随访管理流程，使用该流程可以显著改善 病人的代谢指标。等使用自然语言处理方法分析糖尿病在线论坛上的信息，以确定病人在糖尿病自我管理知识、技能上的差异，并量身定制教育策略。（）辅助药物调整：等开发了一个与电子健康记录集成的 驱动临床决策支持系统，该系统可以在预测调整方案后试验治疗目标的成功率、治疗风险和益处、药物成本以及在病人医保中该类药物的药物品种。等进行了国际多中心、平行、随机对照、非劣效性试验，测试了基于 的决策支持系统指导下的胰岛素剂量调整方案，结果显示使用该方案的 病人的血糖达标率及低血糖事件发生率与糖尿病专科医生指导下的病人无显著差异。（）“人工胰腺”的研发：“人工胰腺”由、基于 算法的程序及胰岛素泵组成，整合了实时监测血糖、自动调整胰岛素剂量及自动输注胰岛素功能的自动化闭环装置。一项随机对照试验评估了胰岛素闭环装置（公司，法国，格勒诺布尔）的使用效果，结果显示闭环装置可以减少低血糖时间占比，并保持良好的血糖达标时间。（）生活干预处方：等评估了 算法驱动下的全自动糖尿病生活干预方案（），该方案经互联网、手机及电话介导，主要目标是通过持续改变运动方式和饮食习惯来改善血糖。结果显示该方案可以显著改善糖尿病前期病人的空腹血糖、体质量、腰围和血清甘油三酯 高密度脂蛋白比值，并显著降低 年糖尿病风险评分。综上，是未来自动化、智能化医疗发展的研究热点。目前已有基于 的糖尿病相关医疗技术运用到研究及临床实践之中，其高效处理数据、可视化分析、强化学习等相关功能赋予了其具有糖尿病风险预测、诊断分型、并发症筛查及决策建议的作用。目前的研究重点在于：（）提出新的运算模式，提高风险预测、诊断分型、决策建议模型的准确性和稳定性；（）结合非侵入性检查设备，简便、高效地筛查，识别特定病种病人。大数据的隐私保护及 设备的安全性保障也是极其重要的科学问题。未来需要在数学家、计算机科学家及糖尿病专家的协作下，开发出治疗糖尿病的。参考文献 ，：，：，：，（）：，：，（）：，（）：侯玉梅，朱亚楠，朱立春，等 决策树模型在 型糖尿病患病风险预测中的应用 中国卫生统计，（）：，李娟，吴疆，卢莉，等 基于支持向量机建立环境和遗传因素对 型糖尿病的预测模型 中华疾病控制杂志，（）：？，（）：，实用老年医学 年 月第 卷第 期 ，：，：中国医师协会内分泌代谢科医师分会，国家代谢性疾病临床医学研究中心 糖尿病分型诊断中国专家共识 中华糖尿病杂志，（）：，：（）（），（）：，：，（）：，（）：，（）：，（）：，：，：，：，（）：，：，（）：，：，（）：，（）：，：，：，：，（）：，：，（）：计成，代晶，李林通，等 基于人工智能系统的健康教育对 型糖尿病患者控制指标的影响 药学服务与研究，（）：，（）：，：，（）：，（）：，：，（）：，：，（）：（收稿日期：）