Инструмент обнаружения диабета на базе смартфона: цифровой биомаркер для ранней идентификации риска

Исследователи разработали «цифровой биомаркер», который бы использовал встроенную камеру смартфона для обнаружения диабета. Инструмент может помочь в идентификации людей с более высоким риском наличия диабета, в конечном счете помогая снизить распространенность недиагностированного диабета.

Инструменты скрининга, которые могут быть легко развернуты с использованием технологий, уже содержащихся в смартфонах, могут быстро увеличить способность обнаруживать диабет, включая популяции, недоступные для традиционной медицинской заботы. На сегодняшний день неинвазивные и широко масштабируемые инструменты для обнаружения диабета отсутствовали, мотивируя разработку алгоритма.

В разработке биомаркера исследователи гипотезировали, что камера смартфона может использоваться для обнаружения сосудистого повреждения из-за диабета путем измерения сигналов, называемых фототизмографией (PPG), которые большинство мобильных устройств, включая умные часы и фитнес-трекеры, способны приобретать. Исследователи использовали фонарик телефона и камеру для измерения PPG путем захвата изменений цвета на кончике пальца, соответствующих каждому сердцебиению.

Команда получила почти 3 миллиона PPG записей от 53 870 пациентов, которые использовали приложение Azumio Instant Heart Rate на iPhone и сообщили о диагностированном диабете у врача. Эти данные использовались для разработки и валидации алгоритма глубокого обучения для обнаружения присутствия диабета с использованием PPG сигналов, измеренных смартфоном.

В целом, алгоритм правильно идентифицировал присутствие диабета до в 81 проценте пациентов в двух отдельных наборах данных. Когда алгоритм был протестирован в дополнительном наборе данных пациентов, зачисленных из очных клиник, он правильно идентифицировал 82 процента пациентов с диабетом. Среди пациентов, которых алгоритм предсказал без диабета, 92-97 процентов не имели болезни по валидационным наборам данных. Когда это PPG-производное предсказание комбинировалось с другой легко получаемой информацией о пациенте — такой как возраст, пол, индекс массы тела и раса/этнос — предиктивная производительность улучшилась дальше.

На этом уровне предиктивной производительности алгоритм мог бы служить похожей роли, как другие широко распространенные инструменты скрининга болезней, чтобы достичь гораздо более широкой группы людей, за которым последует подтверждение врачом диагноза диабета и план лечения. Производительность алгоритма сопоставима с другими широко используемыми тестами, такими как маммография для рака груди или цитология шейки матки для рака шейки матки, и его безболезненность делает его привлекательным для повторного тестирования.