Microsoft
活动+
 

英国大学用AI与心电图检测低血糖

华威大学的非侵入式低血糖检测系统的可靠度表现跟现有的CGM相当。华威大学

追踪血糖值的变化对健康的人与糖尿病患同样重要,目前的检测方式需要每天定时、数次在手指扎针取血检验,由于属侵入式,因此可能造成病患不易遵循医嘱。英国华威大学(University of Warwick)的研究团队开发出结合人工智能(AI)与心电图(ECG)的非侵入式血糖侦测系统。

根据eHealthNews.eu报导,目前英国国民健保署(NHS)采用连续式血糖监测仪(CGM)检测低血糖,以侵入式传感器在手指扎针的方式测量血糖值,在发现低血糖时会将警示与资料传送至显示装置。不过CGM通常每天需要校正2次,以确保装置提供准确的血糖值侦测。

手指扎针从来就不是令人愉快的经验,尤其是夜间对小儿科的患者进行血糖检测,更易于造成不舒适感的情况。华威大学研究团队开发的新技术运用现成的穿戴式传感器,以非侵入的方式取得接受检验者原始ECG讯号,经过最新的AI深度学习(Deep Learning)算法分析,可自动检测是否有低血糖的状况。

华威大学研究团队的AI模型着重于个别病患在低血糖时ECG波型的独特变化,因此能以个人化的方式调整低血糖检测算法,而临床医师也可根据相关信息提供病患个人化的治疗。研究团队表示接下来需要结合更多合作伙伴,扩大进行临床研究来验证其AI模型与算法,确认能否适用于更广大的研究对象群体。

华威大学的研究团队进行了两项以健康的志愿者为对象的先导研究,结果发现透过ECG侦测低血糖的平均灵敏度与明确性约可达82%,不仅可靠度表现跟现有的CGM相当,且运用ECG讯号的非侵入检测方式,可在包括夜晚睡眠时的任何环境随时随地实施,大幅提升便利性与降低对使用者日常生活的侵扰。

华威大学研究团队的深度学习算法会输出各个检测时间点的血糖值与测量误差,血糖值正常与偏低的判断则是以公认的重要临界值4mmol/L为基准。此外深度学习算法也会标示出个别的ECG波对于判断正常或低血糖的相对重要性。比对不同研究对象的检测资料发现,在低血糖时各有各的不同ECG波型变化。

华威大学研究团队的AI模型能显示出每个参与研究的志愿者在低血糖时ECG的个别变化方式,包括正常与低血糖时的平均心跳数与标准差等资料。由于不同研究对象的ECG波型在低血糖时的变化差异显著,因此研究团队是以个别研究对象自己的资料来训练其AI模型,这也将使得基于华威大学研究团队AI模型的个人化治疗会比现有方式更为有效。

研究团对比对2个研究对象的ECG分析发现,第一位在低血糖时QT间距拉长,但第二位则无此现象。这显示代表心室再极化的T波(T-wave)其位移会影响血糖值分类,受过专门训练的临床医师能从深度学习算法的输出,发现到病患的ECG有明显较长的QT间距,意味著心室的再极化(Repolarization)较缓慢,也就是病患处于低血糖状态。

至于第2个研究对象ECG的观察重点是代表左右心房连续性去极化(Depolarisation)收缩的P波(P-wave)与上升的T波,意味著当第二个研究对象处于低血糖时,除了心房的去极化与心室活化的临界值之外,包括后续的临床介入处置都会受到影响。这两个研究对象的案例显示训练AI算法所使用的资料至为关键。

以往运用ECG检测低血糖状况的相关研究相继失败的原因,应是没有观察到研究对象间的ECG波型变化方式有明显差异,若同时以一群研究对象的资料训练AI模型,将无法获得相同的结果,导致算法的表现受到影响。2020年1月13日华威大学研究团队的研究论文发表在Nature Springer的期刊Scientific Reports。


  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 人工智能