Smartphone-gebaseerde diabetesdetector

Onderzoekers hebben een "digitale biomarker" ontwikkeld die de ingebouwde camera van een smartphone zou gebruiken om diabetes te detecteren. De tool zou kunnen helpen bij het identificeren van mensen met een hoger risico op diabetes, en uiteindelijk helpen om de prevalentie van niet-gediagnosticeerde diabetes te verminderen.

Screeningstools die gemakkelijk kunnen worden ingezet met behulp van technologie die al in smartphones zit, kunnen het vermogen om diabetes te detecteren, inclusief populaties die buiten het bereik van traditionele medische zorg liggen, snel vergroten. Tot op heden ontbraken niet-invasieve en breed schaalbare hulpmiddelen om diabetes te detecteren, wat de ontwikkeling van het algoritme motiveerde.

Bij het ontwikkelen van de biomarker veronderstelden de onderzoekers dat een smartphonecamera zou kunnen worden gebruikt om vasculaire schade als gevolg van diabetes te detecteren door signalen te meten die fotoplethysmografie (PPG) worden genoemd en die de meeste mobiele apparaten, waaronder smartwatches en fitnesstrackers, kunnen verkrijgen. De onderzoekers gebruikten de zaklamp en camera van de telefoon om PPG's te meten door kleurveranderingen in de vingertop vast te leggen die overeenkomen met elke hartslag.

Het team verkreeg bijna 3 miljoen PPG-opnames van 53.870 patiënten die de Azumio Instant Heart Rate-app op de iPhone gebruikten en meldden dat ze door een zorgverlener waren gediagnosticeerd met diabetes. Deze gegevens werden gebruikt om zowel een diepgaand lerend algoritme te ontwikkelen als te valideren om de aanwezigheid van diabetes te detecteren met behulp van smartphone-gemeten PPG-signalen.

Over het algemeen identificeerde het algoritme de aanwezigheid van diabetes bij maximaal 81 procent van de patiënten in twee afzonderlijke datasets. Toen het algoritme werd getest in een aanvullende dataset van patiënten die waren ingeschreven in persoonlijke klinieken, identificeerde het 82 procent van de patiënten met diabetes correct. Van de patiënten die volgens het algoritme geen diabetes hadden, had 92 tot 97 procent de ziekte niet in de validatiedatasets. Toen deze van PPG afgeleide voorspelling werd gecombineerd met andere gemakkelijk verkrijgbare patiëntinformatie, zoals leeftijd, geslacht, body mass index en ras/etniciteit, verbeterden de voorspellende prestaties verder.

Op dit niveau van voorspellende prestaties zou het algoritme een vergelijkbare rol kunnen spelen als andere wijdverbreide ziektescreeningtools om een ​​veel bredere groep mensen te bereiken, gevolgd door de bevestiging door een arts van de diabetesdiagnose en een behandelplan. De prestaties van het algoritme zijn vergelijkbaar met andere veelgebruikte tests, zoals mammografie voor borstkanker of cervicale cytologie voor baarmoederhalskanker, en de pijnloosheid maakt het aantrekkelijk voor herhaald testen.