人工智能在2型糖尿病患者自我管理中应用情况的研究进展

张华驿，白琳，郑若兰，王依萌，赵一帆，别文倩

(郑州大学 护理与健康学院，河南 郑州 450001)

据国际糖尿病联盟统计，目前全世界糖尿病患者约有4.25亿，至2040年可能会增加至6.42亿[1]，其中90%为2型糖尿病(type 2 diabetes mellitus，T2DM)患者[2]。T2DM发病机制复杂，病程进展缓慢，患者需承担长期的自我管理任务[3]。糖尿病自我管理是患者每日所采取的科学控制血糖的各项行为，包括饮食管理、合理运动、遵医用药、血糖监测、足部护理等[4]，进行有效的自我管理可控制血糖，延缓或避免并发症的发生[5]。我国T2DM患者大部分时间在家进行自我管理，自我管理水平整体较低，表现为个人依从性不高，总体血糖控制及达标率不理想[6]。“健康中国2030”规划纲要指出，我国需推动健康科技创新，将科技和医学相结合从而提高成果的转化率[7]。人工智能开始广泛应用于我国医疗卫生的各个领域，成为新一轮产业变革的核心推动力，也被越来越多地应用在T2DM患者的自我管理方面。本文对国内外关于人工智能在T2DM患者自我管理中的应用进行综述，旨在为患者的自我管理和医护人员进行临床决策提供理论依据。

1 人工智能技术概况

人工智能属于自然学科和社会科学的交叉范畴，是应用计算机科学长期发展的产物[8]。目前对于人工智能的定义尚未统一，总体上是指通过设计算法模拟人类的思考和思维方式来执行与人类智能相关任务的综合过程[9]。人工智能在糖尿病患者中的应用分为3个维度：从知识中学习、知识的发现和从知识中进行推理。从知识中学习即计算机自动从数据库中进行学习，常用的技术包括人工神经网络、支持矢量机、随机森林、进化算法、深度学习、朴素贝叶斯、决策树和回归算法；知识的发现是从数据库中检索潜在信息的算法，实现这一过程的方法有K-均值、K-近邻算法和层次聚类算法；从知识中进行推理是使用知识获取系统来收集可用推理，使用以规则和信息为特征的知识库来解决问题，最后将两者链接到一起生成结论，包括基于规则的推理、基于案例的推理和模糊逻辑等算法[10]。

2 人工智能技术的优势及应用现状

2.1 人工智能在医学领域的综合应用人工智能在医学领域应用广泛，已成为当前研究的热点。在患者健康管理方面，人工智能可运用已收集的大样本数据进行分析和深度学习，搭建健康医疗智慧系统和电子病历，显著提高慢性病患者的自我效能感和自我管理能力；在诊疗决策方面，其可辅助社区或家庭医生推测患者的疾病进展，为患者提供前瞻性诊疗和护理支持；在医学影像方面，其可通过自动识别和深度学习进行核医学检查和病理检查，客观性强、准确率较高；在电子健康档案管理方面，健康档案数据所具有的连续性使其与递归神经网络算法相匹配，人工智能可以据此进行病历的综合管理与分析。

2.2 人工智能在T2DM患者自我管理中的应用方式及效果鉴于人工智能的独特优势和在医学领域的广泛应用，作为一种新型辅助诊断及治疗工具，其亦被逐渐引入到糖尿病患者中进行应用[11]。作为筛查工具，人工智能在进行糖尿病视网膜病变的筛查方面已有成熟的应用[12]；在糖尿病患者诊疗方案的制定中其可提供个性化推荐，作为医生进行临床决策的辅助工具[13]；在患者的长期胰岛素和血糖管理中，其亦可提供精确的胰岛素给药量和血糖监测[14]。人工智能被引入T2DM患者的自我管理后，其在各个方面均已显示出初步成效，推动着糖尿病综合管理“五架马车”的前进。

2.2.1人工智能在饮食管理中的应用 控制碳水化合物的摄入是糖尿病管理中的经典策略，可有效控制患者血糖，预防糖尿病并发症[15]。人工智能在饮食管理中的应用主要体现在通过手机协助患者进行饮食监测、饮食推荐、饮食干预及判断饮食处方是否有效。Zhang等[16]设计的一款食品识别应用系统“snap-n-eat”，采用分层分割、线性支持和矢量机分类器对食物图片进行分析，提取不同位置和尺度的特征来确定份量，估算盘中食物的热量和营养成分，经计算机验证和实际称重对比，准确率可达85%以上，可用于患者的饮食监测。Oka等[17]在50例T2DM患者中进行了一项随机对照试验，患者被随机分配到人工智能治疗组和传统治疗组进行饮食干预，人工智能治疗组使用Asken应用程序，通过深度学习算法分析患者的饮食图片进行饮食监测并给予指导，结果显示12个月糖化血红蛋白平均变异为0.3%，表明传统营养干预与人工智能营养干预结果相当，患者可以通过人工智能软件进行饮食的自我管理。Kumari等[18]使用深度学习算法通过声信号来分析咀嚼模式，获取信息包括食物的大小、咀嚼方式和吞咽时间，智能干预程序据此推荐饮食方式，结果显示50例患者血糖水平平均降低85%。Zeevi等[19]对800例患者进行为期1周的血糖监测，设计了一种机器学习算法，对血液参数、饮食习惯、人体测量学指标、体力活动和肠道微生物群等因素进行整合，用于个性化预测餐后血糖值，结果表明，基于人工智能的个性化饮食推荐可以较好地改善餐后血糖及代谢情况，对患者的长期血糖控制有客观的指导意义。综上，人工智能可满足T2DM患者对于个性化饮食推荐和日常饮食监测的需求。

2.2.2人工智能在运动管理的应用 有规律地进行安全有效的运动可有效控制血糖，延缓病程进展，减免远期慢性并发症的发生[20]。Stein等[21]设计了一款应用程序，以文本互动的移动教练形式，利用机器学习来分析用户的体质量水平和饮食现状，提供个性化的运动方案，15周后用户体质量下降2.38%，健康饮食比率较前提高31%，表明其可部分替代医务人员给予运动指导。Makkar等[22]测评了一项名为“Wellthy Diabetes”的应用程序，通过人工智能驱动模型和传感器跟踪用户的活动，人工智能驱动的聊天机器人向患者推荐个性化的锻炼。经观察，T2DM患者的运动依从性显著提高，是一种帮助患者实现活动目标的有效处方工具。Jacobs等[23]使用穿戴式加速度计和心率传感器监测运动情况，人工智能以灵敏度97.2%和特异度99.5%的回归模型检测运动事件，并通过计算机模拟运动过程中患者的血糖变化情况，预测危险事件的发生，给予运动安全指导。人工智能通过程序和智能穿戴设备进行运动安全监测和处方制定，来提高患者的运动依从性。

2.2.3人工智能在用药管理中的应用 用药依从性是影响糖尿病患者自我管理效果的关键因素。在用药管理方面，人工智能技术以虚拟教练助手的身份提高患者的用药依从性。Balsa等[24]开发了一个名为“VASelfCare”的程序，作为虚拟助手与用户建立长期的情感关系，将行为改变理论融于对话中，为患者提供用药依从性方面的支持。该程序通过语音生成器、对话和核心组件与患者进行沟通交流，预试验显示其在提高患者用药依从性方面具有较好的效果。Mei等[25]开发的“Deep Diabetologist”应用，使用递归神经网络算法利用中国21 796例患者的电子病历进行数据建模，通过深度学习算法从电子病历中学习药物知识，为糖尿病患者提供个性化的降糖药物使用指导，与使用logistic回归分析的基线预测模型相比，其性能得到较好的改善。

2.2.4人工智能在血糖监测管理中的应用 规律的血糖监测是糖尿病患者自我管理的重要组成部分。现有的人工智能技术多用于T1DM患者的胰岛素精确给药[14]。在T2DM患者中，人工智能多以手机程序为载体协助患者进行血糖监测的自我管理。Maeta等[26]运用机器学习算法“XGBoost”来分析糖尿病患者口服葡萄糖耐量试验指数，能够有效监测到T2DM的早期症状和葡萄糖代谢障碍，分析患者的疾病进展情况及风险趋势，从而给予准确指导。WellDoc公司开发的“BlueStar”应用程序可与患者的血糖日记结合使用，通过算法确定长效胰岛素的初始和维持剂量，记录实时血糖，提供个性化的反馈，给予T2DM患者自我管理支持。Quinn等[27]对该应用的效果进行了验证，发现观察组患者的糖化血红蛋白水平比只接受药物治疗的对照组低1.2%。人工智能可作为一种辅助工具，对患者的血糖进行有效管理。

2.2.5人工智能在并发症管理中的应用 糖尿病视网膜病变、糖尿病足和糖尿病性神经病是T2DM患者的常见并发症，可对患者造成远期伤害。Rajalakshmi等[28]在311例T2DM患者中使用安装了基于人工智能的自动化软件的智能手机进行视网膜摄影，使用基于深度神经网络算法的图像分割技术，利用糖尿病视网膜病变筛查软件(EyeArtTM)进行分级，结果显示该软件检测糖尿病视网膜病变具有较高的灵敏度，可作为T2DM患者视网膜病变自我筛查工具。长期高血糖状态易影响患者足部健康，视觉算法已被用于糖尿病足的监测。Yap等[29]研究了一款名为“FootSnap”的手机应用程序，在不同场景中对比测试其可靠性，以标准化糖尿病足图像为基准，用Jaccard相似系数测定足部图像，糖尿病足的Jaccard相似系数为0.89～0.91，对照足为0.93～0.94，表明“FootSnap”适用于患者对糖尿病足的自我筛查。Ozdemir等[30]利用计算机化临床决策支持系统帮助患者提高疾病管理的决策能力，该系统可早期识别糖尿病性神经病、神经性疼痛及运动恐惧症，也可有效处理肌肉骨骼系统并发症和运动障碍，有助于糖尿病患者制定和保持适宜的锻炼计划。Rahmani等[31]设计了一个基于模糊算法的系统来帮助糖尿病患者进行神经病变程度的检测，以糖尿病性神经病患者的确诊病历为标准，该系统的灵敏度、特异度和准确率分别为89%、98%和93%。由此可见，人工智能在T2DM患者相关并发症的自我筛查中具有较好的应用效果。

3 小结

目前，人工智能可通过多种方式来改善和提高T2DM患者的生存质量，帮助患者和医护人员了解病情进展和动态变化，节省医疗资源，帮助患者做出合适的自我管理决策。但是，通过文献综述亦发现此领域存在以下问题：(1)人工智能多基于患者大数据研发，存在信息泄露风险，需要政府加强立法及管理，保障患者的信息安全；(2)现有的人工智能多基于算法来建模，与临床结合不够紧密，实际效果仍待验证；(3)远期应用效果尚不明确，对内在作用机制或中间效应量的研究较少，缺乏高级别证据支持。随着我国社会信息化程度越来越高、5G技术全面布局以及相关产业链的发展，人工智能在糖尿病患者中的应用会更加完善和具体化。