可穿戴裝置可以通過機器學習發現糖尿病的早期症狀

研究顯示，在神經網路的幫助下，普通的可穿戴裝置也能基於心率變異性與糖尿病可能性的關係檢測出早期糖尿病的跡象。

人工智慧、機器學習和神經網路是高科技行業的流行語，經常被用於為消費者或為銷售產品和服務的公司增加生活的便利。但是這些技術現在也被用來幫助人們更健康，甚至拯救生命。最近一項由健康創業公司Cardiogram和加州大學舊金山分校（University of California San Francisco）進行的研究顯示，即使是普通的以健身為中心的可穿戴裝置，也能檢測出糖尿病的早期症狀，當然，在神經網路的一點幫助下。

糖尿病在美國是一個越來越令人關注的問題，據信有多達1億人處在糖尿病前期或已經患有糖尿病。其中四分之一的人一生都沒有得到診斷。更糟糕的是，將近90%的糖尿病前期患者完全沒有意識到隱藏在他們看似正常的生活方式背後的危險。

開發監測葡萄糖水平的儀器並不是什麼新鮮事，但理想的非侵入式無創監測儀器仍然是夢想。此外，大多數這些裝置能滿足患有糖尿病或至少知道自己病情使用者的需求，如蘋果手錶、Android Wear智慧手錶、Fitbit、或者任何有心率監視器的可穿戴裝置。

這種看似神奇的糖尿病早期症狀檢測方法是基於心率變異性與糖尿病發生的可能性之間的關係。我們有演算法，但沒有資料可以輸入。這就是機器學習的用武之地。由於無法收集訓練神經網路所需的數百萬資料，Cardiogram和加州大學舊金山分校（UCSF）採用半監督機器學習技術，利用33,628人周的健康感測器資料訓練DeepHeart深神經網路。他們後來對照12,790人周的單獨資料集驗證了DeepHeart的準確性，達到85%的成功率。

這個研究最好的部分是，任何擁有相容智慧手錶或健身跟蹤器的人都可以從這個神經網路中獲益。他們只需要從蘋果（Apple）應用商店或谷歌應用商店中下載心電圖應用程式。這款應用適用於所有配有聽速感測器的蘋果手錶和安卓穿戴智慧手錶。除了糖尿病的早期症狀外，DeepHeart還被證明可以檢測到其他心臟相關疾病，如高血壓、睡眠呼吸暫停、心房顫動。