基于智能手机的糖尿病检测器
研究人员开发了一种“数字生物标志物”，可以使用智能手机的内置摄像头检测糖尿病。该工具可以帮助识别糖尿病风险较高的人群，最终有助于降低未确诊糖尿病的患病率。
使用智能手机中已经包含的技术可以轻松部署的筛查工具可以迅速提高检测糖尿病的能力，包括传统医疗无法触及的人群。迄今为止，一直缺乏用于检测糖尿病的非侵入性和可广泛扩展的工具，这推动了该算法的发展。
在开发生物标志物时，研究人员假设智能手机摄像头可用于通过测量称为光电容积描记术 (PPG) 的信号来检测糖尿病引起的血管损伤，包括智能手表和健身追踪器在内的大多数移动设备都能够获取这些信号。研究人员使用手机手电筒和相机，通过捕捉每次心跳对应的指尖颜色变化来测量 PPG。
该团队从 53,870 名使用 iPhone 上的 Azumio Instant Heart Rate 应用程序并报告被医疗保健提供者诊断出患有糖尿病的患者那里获得了近 300 万份 PPG 记录。该数据用于开发和验证深度学习算法，以使用智能手机测量的 PPG 信号检测糖尿病的存在。
总体而言，该算法在两个独立的数据集中正确识别出多达 81% 的患者存在糖尿病。当该算法在从面对面诊所招募的患者的附加数据集中进行测试时，它正确识别了 82% 的糖尿病患者。在算法预测的没有糖尿病的患者中，92% 到 97% 的患者在验证数据集中没有这种疾病。当这种基于 PPG 的预测与其他容易获得的患者信息（例如年龄、性别、体重指数和种族/民族）相结合时，预测性能会进一步提高。
在这种预测性能水平上，该算法可以起到与其他广泛使用的疾病筛查工具类似的作用，以覆盖更广泛的人群，然后由医生确认糖尿病诊断和治疗计划。该算法的性能可与其他常用检查相媲美，例如乳腺癌的乳房 X 光检查或宫颈癌的宫颈细胞学检查，并且其无痛性使其具有重复测试的吸引力。
传感器