Εντοπισμός διαβήτη από smartphones

Ερευνητές στο UC San Francisco ανέπτυξαν έναν «ψηφιακό βιοδείκτη» (biomarker) ο οποίος θα μπορούσε να αξιοποιεί την ενσωματωμένη κάμερα ενός smartphone για να εντοπίζει τον διαβήτη, παρέχοντας έτσι μια χαμηλού κόστους εναλλακτική στην εξέταση αίματος και άλλες μεθόδους και εργαλεία.

Ο διαβήτης θεωρείται πως επηρεάζει πάνω από 450 εκατομμύρια ανθρώπους ανά τον κόσμο- ωστόσο περίπου οι μισοί διαβητικοί δεν γνωρίζουν την διάγνωση και τους κινδύνους για την υγεία τους. «Η δυνατότητα εντοπισμού μιας κατάστασης σαν τον διαβήτη, που έχει τόσες πολλές σοβαρές συνέπειες για την υγεία, μέσω ενός ανώδυνου τεστ με smartphone παρουσιάζει τόσες πολλές πιθανότητες» είπε ο Τζέφρι Τάισον, ένας εκ των ερευνητών και επίκουρος καθηγητής καρδιολογίας, σχετικά με την εν λόγω μελέτη, που δημοσιεύτηκε σε Nature Medicine. «Το όραμα θα ήταν ένα τέτοιο εργαλείο να συνδράμει στον εντοπισμό ανθρώπων με υψηλότερο κίνδυνο διαβήτη, βοηθώντας στη μείωση του διαβήτη που δεν έχει διαγνωστεί».

Για την ανάπτυξη του βιοδείκτη, οι ερευνητές υπέθεσαν πως μια κάμερα smartphone θα μπορούσε να χρησιμοποιηθεί για τον εντοπισμό της ζημιάς σε αγγεία εξαιτίας του διαβήτη μέσω της μέτρησης σημάτων PPG (photoplethysmography), τα οποία οι περισσότερες συσκευές, μεταξύ των οποίων smartwatches και fitness trackers, είναι ικανά να «πιάνουν». Οι ερευνητές χρησιμοποίησαν τον φακό του τηλεφώνου και την κάμερα για να χρησιμοποιήσουν τα PPG πιάνοντας τις αλλαγές χρώματος στην άκρη του δαχτύλου που αντιστοιχούσαν στον κάθε χτύπο καρδιάς.

Οι ερευνητές απέκτησαν περίπου τρία εκατομμύρια καταγραφές PPF από 53.870 ασθενείς. Τα δεδομένα αυτά χρησιμοποιήθηκαν για την ανάπτυξη ενός αλγορίθμου deep learning για τον εντοπισμό της παρουσίας του διαβήτη μέσω της χρήσης σημάτων PPG που μετριούνταν μέσω smartphone. O αλγόριθμος εντόπισε σωστά την παρουσία του διαβήτη σε μέχρι και 81% ασθενών σε δύο ξεχωριστά datasets. Όταν δοκιμάστηκε σε έναν επιπλέον dataset ασθενών, πέτυχε 82%. Μεταξύ αυτών που ο αλγόριθμος προέβλεψε πως δεν είχαν διαβήτη, το 92%-97% όντως δεν είχαν. Σε συνδυασμό με άλλες πληροφορίες (ηλικία, φύλο κ.α.) οι επιδόσεις βελτιώθηκαν ακόμα πιο πολύ.

Σε αυτό επίπεδο, οι ερευνητές θεωρούν πως ο αλγόριθμος θα μπορούσε να χρησιμοποιηθεί επικουρικά σε άλλα εργαλεία εξέτασης για την ασθένεια, προκειμένου να «πιάνει» μεγαλύτερο εύρος ατόμων, και να ακολουθείται από μια επιβεβαίωση από γιατρό.