透过穿戴装置搜集生理讯号整理后，配合医学研究的相关数据进行交叉比对，再利用机器学习等人工智慧的方式，能够近乎准确的预测糖尿病的病症。
本文閱讀時間約3分鐘
指尖血糖筛检是糖尿病检验中，最为快速与简单的检验方式，只需将在化学试纸上滴入一小滴血，并插入测试血糖浓度的小仪器后便可显示浓度。如此不需要到医院排队等候、无论何时何地都能检测的方式，受多数的糖尿病患者青睐与使用。
不过，随着智慧型穿戴装置的发展与AI人工智慧结合，检测血糖的方式恐怕要被颠覆了。新创公司Cardiogram正透过Apple Watch来训练自家的类神经网路演算法，在最新实验发现，演算法可以透过监测使用者心跳来检测是否罹患糖尿病，准确率甚至可以达到85%！并且检测过程中不需要使用任何医疗器材，仅透过Apple Watch、Fitbit、Android Wear等具有新率感应的智慧手表即可。
AI资料科学＋医学研究，开辟新的检测可能
为何能够不靠接触血液就能够检测是否罹患糖尿病？其原因在于透过收集静止心率与心率变化可用来预测糖尿病与高血压。这项检验方法是根据2015 年，著名的佛莱明罕心脏研究（Framingham Heart Study）的发现。研究是由 Cardiogram 与加州大学旧金山分校所合作的 DeepHeart 计划的一部份，利用 14,000 名配戴 Apple Watch 的使用者所产生的心率数据进行 AI 分析，并且检测出其中 462 名罹患糖尿病，研究结果已在美国人工智慧协会（Association for the Advancement of Artificial Intelligence）所举行的 AAAI 2018 大会上发表。
其实早在2005年的一项医学研究当中即找到心率与糖尿病之间有些许关系，因为糖尿病并发症之一是神经损伤，而在心血管系统中，损伤会导致心律不整。这也解释了为何穿戴式装置可以透过电子讯号测量到糖尿病的病症。但在2005年，穿戴式装置仅有职业运动员或是菁英人士在使用，近年透过各大厂牌如Apple Watch、Fitbit、Garmin和Android Wear的穿戴式装置普及化，让大众也能够以亲切的价格购买到。这也使得 Cardiogram 尝试使用 Apple Watch 的心率感测器，看它是否能够准确地检测民众是否罹患糖尿病。
标签是AI分析的第一步
人工智慧导入医疗检验着实在现今科技发展下能够实践。2013年UCSF开展了一项名为Health eHeart的重大心脏疾病项目，旨在透过收集100万人的大量生理数据。每个参与者将自身医疗状况、家族史、药物和血液检查结果键入资料库，近一半的参与者也将这些数据与他们的行动装置上的健康监测APP做绑定，共享生理资讯给Health eHeart。
“这就是我们获得标签的方式。”Cardiogram公司联合创始人Brandon Ballinger说。他曾担任Google语音识别软件的技术负责人。透过在收集来的资料上做标签，能够了解到自身身体状况是否处于危险的状态。然而，Health eHeart研究的主要研究人员之一Mark Pletcher说，糖尿病很明显是一种心血管疾病，但它不是一种与心率变化有明显相关的疾病。当不知道其病理相关机制的情况下，去做训练数据的机器学习时，可能会导致判断上形成误差。也就是说，在了解怎么训练机器学习的同时，更要确保其背后医学有力的相关证据与研究，如此一来才能发挥人工智慧对于医疗产业的真正效果。
虽准确度仅80%，但提升危机意识
在台湾，根据国民健康署统计，台湾约有 200 多万名糖尿病病友，而且以平均每年 25,000 名的速度持续增加，而且有年轻化的现象；糖尿病成为台湾人十大死因之一，每年有近万人因糖尿病死亡，所以糖尿病及其所引发的并发症对于人的健康不容小觑。
如今穿戴装置透过资讯收集，以及电脑资料库的交叉运算，在一定的程度上能够给予民众对于疾病的警觉性，就算不能百分之百准确的检测，但在民众对自身健康的感知与后续行为，已经造成一定的风险感知影响力。使之及早预防，将能帮助降低罹病的机会。
參考連結：
https://www.wired.com/story/with-ai-your-apple-watch-could-flag-signs-of-diabetes/
