人工智能可以通过心电图检测血糖水平低,没有fingerprick测试

通过心电图检测血糖水平较低的新技术使用一个非侵入性的可穿戴传感器,低血糖,最新的人工智能可以检测从原始ECG信号一直由英国华威大学的研究人员。

目前,连续葡萄糖监视器(CGM)可由NHS为低血糖检测(血糖水平进入血液或真皮)。他们测量葡萄糖在组织液使用侵入性传感器和一个小针,将警报和数据发送给显示设备。在许多情况下,他们需要校准一天两次与入侵检测血糖水平测试。

然而,莱安德罗博士Pecchia华威大学的团队有今天,2020年1月13日公布的结果在一篇题为“精密医学和人工智能:一个试点研究深度学习低血糖事件检测基于心电图”在自然激飞》杂志上科学报告证明使用人工智能的最新发现(即。低血糖,深度学习),他们可以检测到从原始ECG信号获得现成的非侵入性的可穿戴传感器。

两个试点研究与健康志愿者发现低血糖检测的敏感性和特异性平均大约82%,相比较与当前CGM性能,尽管非侵入性

莱安德罗博士Pecchia华威大学工程学院的评论:

“Fingerpicks从来都不是愉快的,在某些情况下尤其麻烦。采取fingerpick夜里肯定是不愉快的,特别是在儿科病人的年龄。

“我们的创新在于利用人工智能自动检测通过一些心电节拍低血糖。这是相关的,因为心电图可以发现在任何情况下,包括睡觉。”

图中显示的输出算法在时间:绿线代表正常的血糖水平,而红线代表血糖水平较低。水平线代表4更易与葡萄糖/ L值,这被认为是重大低血糖阈值。周围的灰色区域连续线反映了测量误差棒。

沃里克模式突显出每个主题在那些潜在的心电图改变的事件。下图是一个范例。实线代表两个不同科目的平均心跳,当血糖水平正常(绿线)或低(红线)。红色和绿色阴影表示周围的心跳的标准差的意思。比较强调这两个科目有不同的心电图波形变化海波事件。特别是主题1提供了一个明显长QT间隔在海波,而主题2不。

竖线代表每个心电图波的相对重要性在决定是否列为海波或正常心跳。

从这些酒吧,一个训练有素的医生发现话题1,让位移影响分类,反映了主体,当在海波,心室的repolarisation慢。

在问题2中,最重要的组件的心电图p波的上升让,这表明在海波这个主题时,心房和心室的门槛的两极化的激活尤其受到影响。这可能会影响后续的临床干预措施。

这个结果是有可能的,因为华威AI模型训练与每个主题的数据。主体间性差异如此巨大,培训系统使用队列数据不会给相同的结果。同样,个性化治疗基于我们的系统可以比现有方法更有效。

莱安德罗博士Pecchia评论:

“上面突出的差异可以解释为什么之前的研究使用低血糖心电图检测失败。人工智能算法的性能训练在队列心电数据将由这些inter-subject差异阻碍。”

“我们的方法使个性化的调优的检测算法和低血糖强调如何影响个人的心电图。基于这些信息,临床医生可以治疗适应每个人。显然需要更多的临床研究来证实这些结果在更广泛的人群。这就是为什么我们正在寻找合作伙伴。”