据外媒报道，华威大学的研究人员开发了一种新技术，该技术使用无创可穿戴传感器通过ECG（心电图信号）检测低血糖水平，该传感器具有最新的人工智能，可以从原始ECG信号中检测低血糖事件。
华威大学的Leandro Pecchia博士演示了用于检测葡萄糖水平的技术。（华威大学）
目前，英国国民健康服务系统（NHS）可提供连续血糖监测仪（CGM）检测低血糖（血液或皮肤中的糖水平）。他们使用带小针头的侵入式传感器测量组织液中的葡萄糖，该传感器将警报和数据发送到显示设备。在许多情况下，他们需要一天两次使用侵入式传感器穿刺手指测试血糖水平来进行校准。
但是，1月13日，华威大学的Leandro Pecchia博士的团队在Nature Springer上发表了题为“精密医学和人工智能：基于ECG的低血糖事件检测深度学习的初步研究”的论文证明，使用人工智能（即深度学习）的最新发现，他们可以从现成的无创可穿戴传感器采集的原始ECG信号中检测低血糖事件。
两项针对健康志愿者的初步研究发现，低血糖检测的平均敏感性和特异性约为82％，与目前的CGM性能相当，尽管是无创性。
华威大学工程学院的Leandro Pecchia博士评论说：“穿刺手指永远不会令人愉悦，并且在某些情况下特别麻烦。在夜间穿刺手指肯定令人更不愉快，尤其是对于小儿科患者来说。我们的创新在于利用人工智能，通过少量的心电图搏动自动检测低血糖。这很重要，因为在任何情况下，包括睡眠中都可以检测到心电图。”
该图显示了一段时间内算法的输出：绿线代表正常的葡萄糖水平，红线代表低的葡萄糖水平。水平线代表4mmol / L葡萄糖值，这被认为是降血糖事件的重要阈值。连续线周围的灰色区域反映了测量误差线。图片来源：华威大学
由于使用每个受试者自己的数据训练了华威大学AI模型，因此可以得到此结果。这同样也表明了，主体间的差异非常显著，以至于使用同类群组数据训练系统不会得出相同的结果。同样，基于我们系统的个性化治疗可能比当前方法更有效。
Leandro Pecchia博士评论道：“以上强调的差异可以解释为什么以前使用ECG检测低血糖事件的研究失败了。这些受试者间的差异将阻碍通过同类ECG数据训练的AI算法的性能。我们的方法可以个性化地调整检测算法，并强调低血糖事件如何影响个体的心电图。根据这些信息，临床医生可以使治疗适应于每个个体。显然，需要更多的临床研究来确认更广泛人群中的这些结果。”