dailyorder
活動+
 

英國大學用AI與心電圖檢測低血糖

華威大學的非侵入式低血糖檢測系統的可靠度表現跟現有的CGM相當。華威大學

追蹤血糖值的變化對健康的人與糖尿病患同樣重要,目前的檢測方式需要每天定時、數次在手指扎針取血檢驗,由於屬侵入式,因此可能造成病患不易遵循醫囑。英國華威大學(University of Warwick)的研究團隊開發出結合人工智慧(AI)與心電圖(ECG)的非侵入式血糖偵測系統。

根據eHealthNews.eu報導,目前英國國民健保署(NHS)採用連續式血糖監測儀(CGM)檢測低血糖,以侵入式感測器在手指扎針的方式測量血糖值,在發現低血糖時會將警示與資料傳送至顯示裝置。不過CGM通常每天需要校正2次,以確保裝置提供準確的血糖值偵測。

手指扎針從來就不是令人愉快的經驗,尤其是夜間對小兒科的患者進行血糖檢測,更易於造成不舒適感的情況。華威大學研究團隊開發的新技術運用現成的穿戴式感測器,以非侵入的方式取得接受檢驗者原始ECG訊號,經過最新的AI深度學習(Deep Learning)演算法分析,可自動檢測是否有低血糖的狀況。

華威大學研究團隊的AI模型著重於個別病患在低血糖時ECG波型的獨特變化,因此能以個人化的方式調整低血糖檢測演算法,而臨床醫師也可根據相關資訊提供病患個人化的治療。研究團隊表示接下來需要結合更多合作夥伴,擴大進行臨床研究來驗證其AI模型與演算法,確認能否適用於更廣大的研究對象群體。

華威大學的研究團隊進行了兩項以健康的志願者為對象的先導研究,結果發現透過ECG偵測低血糖的平均靈敏度與明確性約可達82%,不僅可靠度表現跟現有的CGM相當,且運用ECG訊號的非侵入檢測方式,可在包括夜晚睡眠時的任何環境隨時隨地實施,大幅提升便利性與降低對使用者日常生活的侵擾。

華威大學研究團隊的深度學習演算法會輸出各個檢測時間點的血糖值與測量誤差,血糖值正常與偏低的判斷則是以公認的重要臨界值4mmol/L為基準。此外深度學習演算法也會標示出個別的ECG波對於判斷正常或低血糖的相對重要性。比對不同研究對象的檢測資料發現,在低血糖時各有各的不同ECG波型變化。

華威大學研究團隊的AI模型能顯示出每個參與研究的志願者在低血糖時ECG的個別變化方式,包括正常與低血糖時的平均心跳數與標準差等資料。由於不同研究對象的ECG波型在低血糖時的變化差異顯著,因此研究團隊是以個別研究對象自己的資料來訓練其AI模型,這也將使得基於華威大學研究團隊AI模型的個人化治療會比現有方式更為有效。

研究團對比對2個研究對象的ECG分析發現,第一位在低血糖時QT間距拉長,但第二位則無此現象。這顯示代表心室再極化的T波(T-wave)其位移會影響血糖值分類,受過專門訓練的臨床醫師能從深度學習演算法的輸出,發現到病患的ECG有明顯較長的QT間距,意味著心室的再極化(Repolarization)較緩慢,也就是病患處於低血糖狀態。

至於第2個研究對象ECG的觀察重點是代表左右心房連續性去極化(Depolarisation)收縮的P波(P-wave)與上升的T波,意味著當第二個研究對象處於低血糖時,除了心房的去極化與心室活化的臨界值之外,包括後續的臨床介入處置都會受到影響。這兩個研究對象的案例顯示訓練AI演算法所使用的資料至為關鍵。

以往運用ECG檢測低血糖狀況的相關研究相繼失敗的原因,應是沒有觀察到研究對象間的ECG波型變化方式有明顯差異,若同時以一群研究對象的資料訓練AI模型,將無法獲得相同的結果,導致演算法的表現受到影響。2020年1月13日華威大學研究團隊的研究論文發表在Nature Springer的期刊Scientific Reports。


  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 人工智慧