一组研究人员发现，将可穿戴监测器的实时数据与机器学习方法相结合，可以预测患者的血糖控制是否会在未来 5 到 10 年内从糖尿病前期发展为糖尿病，而不是依赖传统方法仅需六个月的数据即可准确预测近期血糖控制情况。这项由宾夕法尼亚大学佩雷尔曼医学院领导的研究为通过更直接的干预措施潜在地预防该人群中的许多人患糖尿病打开了大门。这些发现发表在npj Digital Medicine上。
“虽然美国三分之一的成年人患有糖尿病前期，但我们缺乏一种方法来实时识别患者是否正在发展或远离糖尿病，”主要作者、医学博士、MBA 副教授 Mitesh Patel 说。宾夕法尼亚大学医学博士和 Ascension 临床转化副总裁。“卫生系统和保险公司可能能够使用此类信息来更好地建议改变行为或药物以预防糖尿病，就像风险预测评分已经被用于预防心脏病一样。”
前驱糖尿病是指患者血糖升高但未达到糖尿病水平的病症。这些患者有发展成该疾病的风险，因此医生通常根据为预测血糖控制(技术上称为“血糖”控制)而开发的模型以及时间点基线数据(例如测试或从约会中收集到的信息。短期预测的数据仍然有限，大多数预测都集中在未来 5 到 10 年。
在预防方面，这还有很多不足之处。因此，Penn Medicine 的研究人员着手研究是否可以创建一个模型，使预测更直接，使用可穿戴设备和预测公式的组合，应用或不应用机器学习技术。
参与者是通过 Penn Medicine 招募的，并随机分配到研究的不同部门。每个患者都得到了一个跟踪身体活动、心率和睡眠活动的设备，并被分配了一个戴在手腕或腰部的可穿戴设备。这些设备被同步到 Way to Health，这是一个用于跟踪数据的 Penn Medicine 平台，该平台每天从设备中提取信息。所有患者还接受了类似同步的电子体重秤。六个月后，每位患者都接受了实验室测试和最终称重。总共有 150 名参与者完成了研究。
当研究小组分析他们的数据时，他们发现，几乎所有情况下，使用手腕可穿戴设备的患者对血糖控制的预测都明显更好。这包括患者的血糖控制是更好还是更差。研究人员注意到，佩戴手腕设备的患者比佩戴腰部可穿戴设备的患者平均多走 1,000 步。