科研進展

深圳先進院在基于穿戴式生理信息的糖尿病早期無創篩查獲得進展

時間:2020-10-13  來源:醫工所 文本大小:【 |  | 】  【打印

  近日,中國科學院深圳先进技术研究院医工所微创中心聂泽东、王磊团队利用可穿戴ECGEEG信號等多模生理信號,采用醫學人工智能算法,在糖尿病早期的可穿戴無創篩查的研究取得了新進展。相關研究成果以Towards adequate prediction of prediabetes using spatiotemporal ECG and EEG feature analysis and weight-based multi-model approach爲題發表在Knowledge-Based Systems(中科院一區,影響因子:5.921)上,聂泽东副研究员和王磊研究员是该論文的共同通讯作者,博士生Igbe Tobore爲第一作者,深圳先進院爲第一作者單位和唯一通訊單位。 

  糖尿病早期是指血糖異常但未達到糖尿病診斷標准的狀態。目前,我國約有1.48億糖尿病早期病人,如不及時發現並進行幹預,約5%~10%的糖尿病早期人群將進展爲糖尿病患者。因此,糖尿病早期的篩查非常重要。研究表明,如果糖耐量受損未能及時被發現和治療,70%的糖耐量受損患者將在9-12年後患上糖尿病,同時,他們患心腦血管疾病、視網膜病變等風險也在增加。目前糖尿病還無根治的方法,糖尿病患者只能通過降糖藥物控制血糖水平。同時,糖耐量受損這個過程是可逆的,正確的生活方式和藥物幹預有助于將發展爲糖尿病的風險降低40%-60%。因此,對糖尿病的風險進行篩查並及時采取措施降低糖尿病的發病率具有重要意義。 

  目前,糖尿病早期的篩查一般采用抽血方法來進行,抽血容易帶來疼痛、感染和不便。如果能采用一種無創的方式來實現糖尿病早期的篩查,將爲及時發現糖尿病早期患者,提醒糖尿病早期患者盡早進行相應幹預,防止轉變爲糖尿病具有重要和積極意義。本研究基于人體血糖波動會引起人體自主神經變化,從而影響到ECGEEG等生理信號的變化,建立可穿戴生理信號與血糖波動的關聯,實現一種無創的血糖波動檢測,從而實現糖尿病前期的篩查。 

  該研究工作采集了40名志願者的2個半小時的OGTT數據,采用深度學習方法,發現了ECG信號中的HRVQTST信號,右半腦的alpha、beta theta信號和左枕骨部的 alpha delta 信號與血糖濃度波動具有關聯性,同時,提出了一種多模態的融合算法,實現多特征的融合。研究結果表明,采用融合了ECGEEG信號的糖尿病前期篩查精度達到了92.0%,采用單獨ECG信號和EEG信號對糖尿病前期的篩查精度也分別達到了88.8% 82.7%。鑒于生理信號采集的連續性與穿戴性,本研究應用成果在糖尿病前期篩查、糖尿病人篩查、連續血糖監測、高低血糖預警等領域具有廣闊的應用前景。 

  该研究得到了科技部重点研发计划、国家自然科学基金、深圳市基础研究学科布局等項目的支持。  

  論文链接 

  1: 血糖变化与人体主要器官的相互影响 

  2:生理信號的時空特征挖掘和多模態分類算法框架 

地区:北京市  广东省  山东省  江苏省  河南省  上海市  河北省  浙江省  香港特别行政区  陕西省  湖南省  重庆市  福建省  天津市  云南省  四川省  广西壮族自治区  安徽省  海南省  江西省  湖北省  山西省  辽宁省  台湾省  黑龙江  内蒙古自治区  澳门特别行政区  贵州省  甘肃省  青海省  新疆维吾尔自治区  西藏区  吉林省  宁夏回族自治区
上海 北京 沈阳 深圳 广州 天津 佛山 杭州 青岛 苏州 香港 太原 呼和浩特 石家庄 长春 南京 合肥 南昌 福州 南宁 武汉 长沙 济南 郑州 成都 西安 兰州 银川 乌鲁木齐 西宁 拉萨 昆明 贵阳 海口 台北 澳门