人工智能在糖尿病研究和臨床中的應(yīng)用

王妍蕾，董文麗，章 秋

(安徽醫(yī)科大學(xué)第一附屬醫(yī)院 內(nèi)分泌代謝科，安徽 合肥 230022)

人工智能(artificial intelligence，AI)是研究用于模擬、擴(kuò)展人的智能的理論方法及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)，與“人工”區(qū)別在“智能”二字，旨在以可操作的智能化程序模仿人類(lèi)活動(dòng)甚至完成人類(lèi)自身無(wú)法達(dá)成的目的[1]，“人工智能”的概念于1956年由約翰· 麥卡錫在美國(guó)達(dá)特茅斯學(xué)院召開(kāi)的討論會(huì)中首次提出。人工智能包括專(zhuān)家系統(tǒng)、數(shù)據(jù)挖掘及人工神經(jīng)網(wǎng)絡(luò)3大分支，實(shí)現(xiàn)人工智能的重要手段包括機(jī)器學(xué)習(xí)及在此基礎(chǔ)上發(fā)展的深度學(xué)習(xí)。

糖尿病是一組以高血糖為特征的代謝性疾病，由胰島素分泌缺陷和(或)作用缺陷導(dǎo)致。糖尿病的慢性高血糖與不同器官的長(zhǎng)期損傷、功能障礙息息相關(guān)。一項(xiàng)具有全國(guó)代表性的流行病學(xué)調(diào)查顯示，2020年中國(guó)大陸的糖尿病患病率為 12.8%，糖尿病前期患病率為35.2%[2]， 糖尿病及其慢性并發(fā)癥的防治給社會(huì)、家庭和個(gè)人帶來(lái)不同程度的經(jīng)濟(jì)負(fù)擔(dān)和心理負(fù)擔(dān)。

科技變革日新月異，構(gòu)建高效精準(zhǔn)的糖尿病診療體系，人工智能將發(fā)揮著不可或缺且歷久彌新的作用。本文將從糖尿病的預(yù)測(cè)、診斷、并發(fā)癥早期篩查及健康管理幾個(gè)方面總結(jié)人工智能在糖尿病研究和臨床中的應(yīng)用。

1 人工智能預(yù)測(cè)及診斷糖尿病

糖尿病作為影響全人類(lèi)健康的慢性病之一，早期預(yù)防、早期診斷、早期治療對(duì)延緩其并發(fā)癥的發(fā)生、減輕醫(yī)療負(fù)擔(dān)、提高患者生活質(zhì)量尤為重要。傳統(tǒng)的防治策略主要是通過(guò)飲食、運(yùn)動(dòng)等行為控制糖尿病的易患危險(xiǎn)因素，通過(guò)生活方式、家族史等初步識(shí)別糖尿病高危人群，通過(guò)癥狀體征、輔助檢查診斷糖尿病，而這些策略在中國(guó)人口基數(shù)龐大、醫(yī)療資源緊張的社會(huì)背景下，只能應(yīng)用于部分人群，有效進(jìn)行全面的糖尿病前期篩查與診斷任務(wù)艱巨。為了解決上述難題，越來(lái)越多的研究利用人工智能，通過(guò)已知的風(fēng)險(xiǎn)因素探究糖尿病預(yù)測(cè)模型、診斷模型，使糖尿病的預(yù)測(cè)和診斷數(shù)字化、智能化。

2014年Choi等[3]使用人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)和支持向量機(jī)(support vector machine，SVM)開(kāi)發(fā)出兩個(gè)模型篩查糖尿病前期，并利用韓國(guó)國(guó)家健康和營(yíng)養(yǎng)調(diào)查的數(shù)據(jù)作為內(nèi)部和外部驗(yàn)證，對(duì)兩個(gè)智能模型進(jìn)行系統(tǒng)評(píng)估。結(jié)果顯示，SVM模型在外部數(shù)據(jù)集中的曲線下面積(area under curve，AUC)為0.731，高于ANN模型(0.729)和基于邏輯回歸分析的篩選評(píng)分模型(0.712)，說(shuō)明該研究開(kāi)發(fā)的預(yù)篩選模型性能比之前開(kāi)發(fā)的篩選評(píng)分模型更好，并且可能是糖尿病前期篩查更有效的方法。隨后國(guó)外多名研究者相繼研究k-近鄰算法、Na?ve貝葉斯、決策樹(shù)、隨機(jī)森林、Logistic回歸等機(jī)器學(xué)習(xí)算法檢測(cè)糖尿病事件的相對(duì)性能，挖掘機(jī)器學(xué)習(xí)模型預(yù)測(cè)糖尿病事件的潛力。

寧光院士團(tuán)隊(duì)在2017年聯(lián)合國(guó)糖尿病日提出 “瑞寧知糖”，通過(guò)利用機(jī)器學(xué)習(xí)技術(shù)，根據(jù)年齡、身高、體質(zhì)量、家族史等信息有效評(píng)估使用者未來(lái)3年糖尿病的罹患風(fēng)險(xiǎn)。去年，肖薇[4]使用微軟的學(xué)習(xí)平臺(tái)作為實(shí)驗(yàn)平臺(tái)，應(yīng)用多種機(jī)器算法來(lái)預(yù)測(cè)糖尿病，橫向研究表明使用決策樹(shù)的臨床預(yù)測(cè)效果最好，正確率可達(dá)95.4%。

2 人工智能早期篩查糖尿病并發(fā)癥

糖尿病的并發(fā)癥是影響人類(lèi)健康的“隱形殺手”之一，目前臨床上常見(jiàn)的糖尿病并發(fā)癥主要涉及大血管、微血管、神經(jīng)及心臟。隨著大數(shù)據(jù)的全領(lǐng)域、全方位滲透，人工智能成為提高并發(fā)癥早期篩查效率和準(zhǔn)確率的利器，以眼底病變分析最為突出。

2.1 人工智能與糖尿病視網(wǎng)膜病變

2016年國(guó)外的一項(xiàng)研究[5]應(yīng)用深度學(xué)習(xí)創(chuàng)建了一種用于自動(dòng)檢測(cè)視網(wǎng)膜眼底照片中的糖尿病視網(wǎng)膜病變(diabetic retinopathy，DR)和糖尿病性黃斑水腫的算法，使用包含128 175張視網(wǎng)膜圖像的回顧性開(kāi)發(fā)數(shù)據(jù)集，訓(xùn)練了一種針對(duì)圖像分類(lèi)優(yōu)化的特定類(lèi)型的神經(jīng)網(wǎng)絡(luò)，稱(chēng)為深度卷積神經(jīng)網(wǎng)絡(luò)，研究結(jié)果顯示該算法在檢測(cè)DR方面具有高靈敏度和特異性。隨后多項(xiàng)研究[6-7]進(jìn)一步說(shuō)明深度學(xué)習(xí)算法在識(shí)別DR和相關(guān)眼部疾病方面具有很高的敏感性和特異性，可以高精度地檢測(cè)視網(wǎng)膜圖像中威脅視力的DR，提高視網(wǎng)膜病變篩查計(jì)劃的效率和可及性。其中，IDX-DR是FDA批準(zhǔn)的全球首款針對(duì)糖尿病視網(wǎng)膜病變的AI系統(tǒng)[7]。

國(guó)內(nèi)的研究中，2019年一項(xiàng)研究[8]采用診斷試驗(yàn)研究方法比較AI閱片和醫(yī)生閱片在DR篩查中的診斷效率和準(zhǔn)確率，結(jié)果說(shuō)明基于眼底閱片的眼科AI系統(tǒng)診斷符合率可達(dá)眼科專(zhuān)業(yè)高級(jí)職稱(chēng)醫(yī)生水平，且平均閱片時(shí)間短，閱片質(zhì)量穩(wěn)定。而后另一項(xiàng)橫斷面研究[9]進(jìn)一步探索在大規(guī)模DR篩查項(xiàng)目中將AI初篩作為第一步分流工具的新篩查模式，研究中該模式可替代眼科醫(yī)師產(chǎn)生65.8%的報(bào)告，且不遺留需轉(zhuǎn)診的DR。說(shuō)明AI可為大規(guī)模DR人群篩查提供新的方法與平臺(tái)。另外，兩項(xiàng)回顧性研究[10-11]比較了AI眼底篩查與臨床醫(yī)師診斷結(jié)果的一致性，結(jié)果說(shuō)明AI分析DR具有可行性和可信性，且能指導(dǎo)經(jīng)驗(yàn)不足的臨床醫(yī)師提高診斷準(zhǔn)確性。

2.2 人工智能與糖尿病神經(jīng)病變

除了DR，部分研究探究了人工智能對(duì)糖尿病神經(jīng)病變的篩查作用。角膜共聚焦顯微鏡(corneal confocal microscopy，CCM)是一種快速、可重復(fù)、定量測(cè)定小神經(jīng)纖維的無(wú)創(chuàng)技術(shù)，此前有研究[12]預(yù)測(cè)CCM有希望成為糖尿病周?chē)窠?jīng)病變、自主神經(jīng)病變?cè)缙跓o(wú)創(chuàng)診斷的首要選擇，而人工智能顯著提高了CCM在圖像神經(jīng)纖維自動(dòng)分割階段的準(zhǔn)確性。2019年Wei等[13]基于深度學(xué)習(xí)算法的卷積神經(jīng)網(wǎng)絡(luò)建立角膜神經(jīng)分割網(wǎng)絡(luò)，用于亞基底角膜神經(jīng)分割和評(píng)估，通過(guò)訓(xùn)練552個(gè)并在139個(gè)標(biāo)記的體內(nèi)共聚焦顯微鏡(invivoconfocal microscope，IVCM)圖像上進(jìn)行了測(cè)試，結(jié)果顯示深度學(xué)習(xí)模型的AUC為0.96，敏感性為 96%，特異性為 75%，平均精度為94%，相對(duì)偏差比為16%，說(shuō)明該模型在使用IVCM圖像進(jìn)行基底下角膜神經(jīng)分割時(shí)表現(xiàn)出高精度和高效率。同年另一項(xiàng)研究[14]開(kāi)發(fā)和驗(yàn)證了一個(gè)基于人工智能的深度學(xué)習(xí)算法，用于識(shí)別總神經(jīng)纖維長(zhǎng)度、分支點(diǎn)、尾點(diǎn)、數(shù)量與和段的長(zhǎng)度、分形數(shù)，從而量化與糖尿病神經(jīng)病變?cè)\斷相關(guān)的神經(jīng)纖維特性。2021年Yildiz等[15]開(kāi)發(fā)了一個(gè)基于生成對(duì)抗網(wǎng)絡(luò)(generative adversarial network，GAN)的新型深度學(xué)習(xí)算法，并與基于完全卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法比較在IVCM圖像中自動(dòng)分割基底神經(jīng)的準(zhǔn)確性，結(jié)果表明前者在IVCM 圖像、患者采集圖像和噪聲應(yīng)用圖像方面表現(xiàn)出更高的準(zhǔn)確性。這項(xiàng)研究也說(shuō)明生成對(duì)抗網(wǎng)絡(luò)作為新興的醫(yī)學(xué)圖像處理深度學(xué)習(xí)模型可能是快速分割和分析 IVCM 圖像中角膜基底神經(jīng)的重要臨床工具。

2.3 人工智能與其他糖尿病慢性并發(fā)癥

西班牙的一項(xiàng)回顧性研究[16]使用 ANN 模型預(yù)測(cè)2型糖尿病足患者下肢截肢后的生存率。還有研究[17]使用植入機(jī)器學(xué)習(xí)算法的數(shù)據(jù)挖掘技術(shù)，包括臨床中心分析、預(yù)測(cè)模型靶向、預(yù)測(cè)模型構(gòu)建和模型驗(yàn)證，根據(jù)近千名患者的電子健康記錄數(shù)據(jù)推導(dǎo)出一組 2 型糖尿病并發(fā)癥的預(yù)測(cè)模型，通過(guò)隨機(jī)森林、Logistic回歸最終可預(yù)測(cè)不同時(shí)間場(chǎng)景下糖尿病腎病的發(fā)生。

3 人工智能在糖尿病健康管理中的應(yīng)用

糖尿病的健康管理?yè)碛小拔寮荞R車(chē)”，包括飲食治療、運(yùn)動(dòng)治療、藥物治療、血糖監(jiān)測(cè)及健康教育，這5個(gè)方面貫穿糖尿病診療的全過(guò)程，與糖尿病患者的預(yù)后有著密不可分的關(guān)系，而人工智能則是落實(shí)全面管理的新型驅(qū)動(dòng)力，有效減輕糖尿病患者的痛苦，實(shí)現(xiàn)遠(yuǎn)程管理，促進(jìn)自我健康管理。

3.1 飲食管理

一項(xiàng)國(guó)外研究[18]開(kāi)發(fā)了結(jié)合人工智能技術(shù)的零食推薦系統(tǒng)，通過(guò)與3位營(yíng)養(yǎng)專(zhuān)家規(guī)定的飲食比較，結(jié)果表明該系統(tǒng)能夠根據(jù)季節(jié)(準(zhǔn)確率100%)和個(gè)人興趣(準(zhǔn)確率90%)向糖尿病患者推薦各種零食，能夠幫助糖尿病患者更健康地飲食。2019年Fang等[19]引入新概念“食物能量分布”，使用GAN架構(gòu)學(xué)習(xí)食物圖像與其能量分布的映射，其中食物能量是根據(jù)GAN預(yù)測(cè)的能量分布圖像估計(jì)，該方法在一組為期 7 d的飲食研究中收集的食物圖像上得到驗(yàn)證，有望提高食物評(píng)估的準(zhǔn)確性。2021年Omisore等[20]開(kāi)發(fā)了一種集成系統(tǒng)，由設(shè)計(jì)用于糖尿病診斷的多模態(tài)自適應(yīng)神經(jīng)模糊推理模型和設(shè)計(jì)用于糖尿病個(gè)性化管理的基于知識(shí)的飲食推薦模型組成，該系統(tǒng)將用戶(hù)的診斷結(jié)果與他們的飲食公式相結(jié)合，以確定用戶(hù)每天的食物消耗量，并根據(jù)專(zhuān)家設(shè)計(jì)的模板生成每周的個(gè)性化飲食計(jì)劃。評(píng)估結(jié)果表明，與現(xiàn)有的幾種用于慢性病治療的飲食推薦系統(tǒng)相比，該系統(tǒng)的推薦模型性能最好。

3.2 運(yùn)動(dòng)管理

在一項(xiàng) 22 h過(guò)夜住院研究中[21]，13 例 1 型糖尿病患者佩戴Zephyr 加速計(jì)和心率監(jiān)測(cè)器進(jìn)行了 45 min的輕度有氧跑步機(jī)運(yùn)動(dòng)，同時(shí)使用傳感器增強(qiáng)泵療法控制血糖水平，過(guò)程中計(jì)算機(jī)血糖調(diào)節(jié)模型能夠以97.2%的靈敏度和99.5%的特異性檢測(cè)運(yùn)動(dòng)事件，并且在血糖調(diào)節(jié)模型中加入運(yùn)動(dòng)模型有助于估計(jì)運(yùn)動(dòng)期間血糖的下降程度。2021年Sevil等[22]利用機(jī)器學(xué)習(xí)技術(shù)估計(jì)身體活動(dòng)和急性心理壓力單獨(dú)和同時(shí)發(fā)生時(shí)的類(lèi)型和強(qiáng)度，開(kāi)發(fā)了第一個(gè)葡萄糖預(yù)測(cè)模型，有助于提高血糖濃度預(yù)測(cè)的準(zhǔn)確性，決定適宜的活動(dòng)類(lèi)型和強(qiáng)度。

3.3 藥物治療

糖尿病治療閉環(huán)系統(tǒng)，即人工胰腺，是近些年的研究熱點(diǎn)，由持續(xù)葡萄糖監(jiān)測(cè)(continuous glucose monitoring，CGM)系統(tǒng)、胰島素泵及控制算法構(gòu)成[23]，集監(jiān)測(cè)血糖與調(diào)整胰島素劑量為一體，主要針對(duì)1型糖尿病的胰島素治療，此前已經(jīng)有多項(xiàng)研究說(shuō)明人工胰腺可以顯著改善夜間血糖控制，有效減少夜間低血糖的發(fā)生率。而人工智能在協(xié)助決策降糖藥物的使用及提高患者的用藥依從性方面也獲益頗多[24]。Eghbali-Zarch等[25]將使用模糊多標(biāo)準(zhǔn)決策模型的計(jì)算機(jī)輔助醫(yī)療決策支持用于2 型糖尿病的藥物治療選擇，結(jié)果表明，二甲雙胍被確認(rèn)為一線藥物，磺脲類(lèi)藥物被確認(rèn)為二線輔助治療，胰高血糖素樣肽-1(glucagon-like peptide-1，GLP-1) 受體激動(dòng)劑、二肽基肽酶-4(dipeptidyl peptidase-4，DPP-4)抑制劑和胰島素依次排在第3～5位。這些降糖藥物的使用等級(jí)為內(nèi)分泌學(xué)專(zhuān)家提供了重要的參考意義。近兩年，眾多研究[26-31]致力于開(kāi)發(fā)基于人工智能的決策支持系統(tǒng)，在CGM和胰島素泵的基礎(chǔ)上，通過(guò)深度學(xué)習(xí)、k-近鄰算法、隨機(jī)森林、梯度提升樹(shù)等多種算法優(yōu)化1型糖尿病患者進(jìn)餐時(shí)胰島素劑量的推注。2021年Zhu等[32]還提出一種用于單激素(胰島素)和雙激素(胰島素和胰高血糖素)遞送的新型深度強(qiáng)化學(xué)習(xí)模型，其中傳遞策略是通過(guò)雙Q學(xué)習(xí)和擴(kuò)張的遞歸神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)的，計(jì)算機(jī)結(jié)果表明，與使用低葡萄糖胰島素懸浮液的標(biāo)準(zhǔn)基礎(chǔ)推注療法相比，單激素和雙激素遞送策略實(shí)現(xiàn)了良好的血糖控制。

3.4 血糖監(jiān)測(cè)

與便攜式血糖測(cè)定儀相比，上文中提到的CGM系統(tǒng)實(shí)時(shí)動(dòng)態(tài)地監(jiān)測(cè)血糖，具有準(zhǔn)確性、安全性的優(yōu)勢(shì)，且能夠避免多次指尖采血導(dǎo)致的糖尿病痛苦增加。CGM已被證明可降低低血糖和高血糖的風(fēng)險(xiǎn)，當(dāng)檢測(cè)到低血糖時(shí)，CGM 暫停胰島素輸注直到血糖恢復(fù)至安全水平，并且CGM有助于降低糖基化血紅蛋白和平均血糖。2020年Bertachi等[33]基于機(jī)器學(xué)習(xí)的預(yù)測(cè)模型預(yù)測(cè)使用多劑量胰島素的1型糖尿病患者夜間低血糖的發(fā)生，并且使用多層感知器和支持向量機(jī)生成個(gè)性化預(yù)測(cè)模型，有效避免了70%以上的夜間低血糖。

3.5 健康教育

人工智能應(yīng)用程序通過(guò)實(shí)時(shí)發(fā)布糖尿病知識(shí)，在線解答糖尿病患者的疑問(wèn)，完成系統(tǒng)的糖尿病健康宣教，在院外遠(yuǎn)程管理方面發(fā)揮了顯著優(yōu)勢(shì)。國(guó)內(nèi)的學(xué)者在這方面已有諸多探究。一項(xiàng)隨機(jī)對(duì)照研究[34]的結(jié)果表明，與單純的內(nèi)分泌門(mén)診診療相比，聯(lián)合人工智能系統(tǒng)的健康教育更有利于改善2型糖尿病患者的血糖、血脂指標(biāo)，為患者的健康教育提供一種新方式。楊昕等[35]應(yīng)用智能穿戴設(shè)備及智能醫(yī)療手機(jī)APP對(duì)2型糖尿病患者進(jìn)行管理指導(dǎo)，結(jié)果表明智能化系統(tǒng)可以提高患者院外的生活質(zhì)量及自我管理能力，改善患者院外期間的血糖、血脂、體質(zhì)指數(shù)。

4 問(wèn)題與展望

人工智能在糖尿病研究和臨床中的應(yīng)用是全面深入的，隨著科技的不斷革新，人工智能在糖尿病預(yù)測(cè)、診斷、治療、并發(fā)癥篩查各個(gè)方面會(huì)發(fā)揮出更多的優(yōu)勢(shì)來(lái)輔助臨床精準(zhǔn)醫(yī)療。但是，人工智能尚處于起步階段，目前很多研究仍在試驗(yàn)中，還未以成熟的體系應(yīng)用于臨床，缺乏遠(yuǎn)期效果的評(píng)估；其次，無(wú)論是醫(yī)療事故中主體責(zé)任的承擔(dān)還是診治過(guò)程中的人文關(guān)懷，人工智能無(wú)法取代醫(yī)療工作者的位置；人工智能作為計(jì)算機(jī)的分支，必然存在信息泄露的風(fēng)險(xiǎn)，需要健全的法律體系及監(jiān)管制度保障患者的信息安全?？偠灾诤侠砗戏☉?yīng)用人工智能的前提下，其智能化和自動(dòng)化的優(yōu)勢(shì)會(huì)為糖尿病及其他慢性病的診治帶來(lái)不可估量的有益之處。