Smartphone-basierter Diabetes-Detektor

Forscher haben einen „digitalen Biomarker“ entwickelt, der die eingebaute Kamera eines Smartphones nutzt, um Diabetes zu erkennen. Das Tool könnte bei der Identifizierung von Menschen mit einem höheren Diabetesrisiko helfen und letztendlich dazu beitragen, die Prävalenz von nicht diagnostiziertem Diabetes zu verringern.

Screening-Tools, die mit bereits in Smartphones enthaltener Technologie einfach eingesetzt werden können, könnten die Fähigkeit zur Erkennung von Diabetes schnell verbessern, einschließlich Bevölkerungsgruppen, die außerhalb der Reichweite traditioneller medizinischer Versorgung liegen. Bisher fehlten nichtinvasive und weit skalierbare Tools zur Erkennung von Diabetes, was die Entwicklung des Algorithmus motivierte.

Bei der Entwicklung des Biomarkers stellten die Forscher die Hypothese auf, dass eine Smartphone-Kamera verwendet werden könnte, um Gefäßschäden aufgrund von Diabetes zu erkennen, indem sie Signale namens Photoplethysmographie (PPG) misst, die die meisten mobilen Geräte, einschließlich Smartwatches und Fitnesstracker, erfassen können. Die Forscher verwendeten die Taschenlampe und die Kamera des Telefons, um PPGs zu messen, indem sie Farbänderungen in der Fingerspitze erfassten, die jedem Herzschlag entsprachen.

Das Team erhielt fast 3 Millionen PPG-Aufzeichnungen von 53.870 Patienten, die die Azumio Instant Heart Rate-App auf dem iPhone nutzten und berichteten, dass ihnen von einem Gesundheitsdienstleister Diabetes diagnostiziert wurde. Diese Daten wurden verwendet, um einen Deep-Learning-Algorithmus zu entwickeln und zu validieren, um das Vorhandensein von Diabetes anhand von Smartphone-gemessenen PPG-Signalen zu erkennen.

Insgesamt identifizierte der Algorithmus das Vorhandensein von Diabetes bei bis zu 81 Prozent der Patienten in zwei separaten Datensätzen korrekt. Als der Algorithmus in einem zusätzlichen Datensatz von Patienten getestet wurde, die aus persönlichen Kliniken rekrutiert wurden, identifizierte er 82 Prozent der Patienten mit Diabetes korrekt. Unter den Patienten, die der Algorithmus vorhersagte, die keinen Diabetes hatten, hatten 92 bis 97 Prozent die Krankheit in den Validierungsdatensätzen nicht. Wenn diese von PPG abgeleitete Vorhersage mit anderen leicht erhältlichen Patienteninformationen kombiniert wurde – wie Alter, Geschlecht, Body-Mass-Index und Rasse/ethnische Zugehörigkeit – verbesserte sich die Vorhersageleistung weiter.

Auf diesem Niveau der Vorhersageleistung könnte der Algorithmus eine ähnliche Rolle spielen wie andere weit verbreitete Tools zur Früherkennung von Krankheiten, um eine viel breitere Gruppe von Menschen zu erreichen, gefolgt von einer ärztlichen Bestätigung der Diabetesdiagnose und einem Behandlungsplan. Die Leistung des Algorithmus ist vergleichbar mit anderen häufig verwendeten Tests, wie Mammographie für Brustkrebs oder Zervixzytologie für Gebärmutterhalskrebs, und seine Schmerzlosigkeit macht ihn attraktiv für wiederholte Tests.