糖尿病诊治的新技术新进展
作者：admin 来源：未知 日期：2021-01-14 08:31人气：
许岭翎
中国医学科学院北京协和医院内分泌科,国家卫生健康委员会内分泌重点实验室
关键词：
糖尿病 诊治 药物输送系统 血糖监测系统 胰岛素治疗系统 人工智能
近年来，随着科技的高速发展，糖尿病诊治领域的新技术不断更新与完善，其中置入式药物输送系统、无创式血糖监测系统、闭环胰岛素治疗系统以及人工智能用于糖尿病教育与管理等方面的进展更是迅速。这些新技术目前研发的进展如何，尚存在哪些需要改进的地方，人工智能将在其中发挥何种作用，本文分述如下。
1 置入式药物输送系统
典型的置入式药物输送系统由药物储存器、微型泵、阀门、微型传感器、微通道、导管和相关控制电路组成。置入式药物输送系统目前已经在临床上广泛使用，例如用于癌症的治疗。胰岛素泵是第一种上市的置入式药物输送系统，通过模拟基础状态的胰岛素分泌量，抑制肝糖输出，控制空腹及餐前血糖，并模拟进餐时胰岛自主分泌胰岛素的剂量，控制餐后血糖，维持血糖平稳[1-2]。随着人工智能等高科技的发展，胰岛素泵可以与持续葡萄糖监测系统等联合成为闭环式胰岛素治疗系统，有望使糖尿病患者从自我血糖监测并根据拟进食碳水化合物量计算餐前注射胰岛素剂量这一复杂的过程中解脱出来。
2 无创式血糖监测仪
自我血糖监测是糖尿病综合管理的组成部分，2017版的《中国2型糖尿病防治指南》建议所有糖尿病患者均需进行自我血糖监测，其频率应根据患者病情及实际需要来决定，应兼顾有效性和便利性[3]。有创式血糖仪有疼痛、感染等副作用且操作相对不便捷，传统血糖仪试纸消耗量较大，持续动态血糖监测则需要购买探头，使自我血糖监测的推广受到一定程度的限制。无创式血糖监测仪很好地解决了以上问题，未来有希望作为主动健康产品用于糖尿病高危人群的血糖监测。
无创式血糖监测仪不用通过刺伤皮肤来采集血液测定毛细血管血糖或将探头埋入皮下以获得连续血糖监测的数据，而是采用光谱技术或通过测定其他体液（如唾液、汗液、眼泪等）中葡萄糖的浓度来估算出血糖的浓度。光谱技术是指利用不同波长的光波来间接估算皮肤葡萄糖浓度。由于皮肤厚度存在个体差异，以光谱法为基础的血糖仪需要使用者在使用的前几周同时使用有创式血糖仪或者静脉血检测血糖，并将血糖数值输入血糖仪中，通过“机器学习法”进行一系列计算，之后就可以很方便地将手指放在探头里（类似于临床上检测血氧的指夹式血氧仪）得到较为准确的血糖数值[4]。其缺点是易受到环境条件如温度、压力、皮肤水分、湿度等的影响，另外，该血糖仪采用可充电电池，虽然相对方便且经济，但充电时间相对较长[5]。非光谱技术血糖仪利用微电流作用、心电图、微波等相关技术检测血糖，使用时几乎无不适感，其缺点是结果需要等待10～30s甚至更长时间[5]。
通过测定其他体液中葡萄糖浓度估算血糖的仪器根据体液获得的方便程度，分为可持续性监测设备和间断性监测设备两种。接触性隐形眼镜式血糖分析仪属于可持续性监测设备，使用无线传输器输出葡萄糖浓度数值，可以观察到血糖的变化，从而获得连续性数据，帮助临床医生和患者判断血糖走向，以便针对可能出现的低血糖或高血糖及时采取措施。其缺点是可能会对眼睛造成损伤或因摘戴不规范导致感染[5]。贴片式血糖检测仪采用电化学法检测汗液中的葡萄糖浓度。汗液是一种非常容易获得的体液，全身裸露的皮肤均可用于采样。相关研究显示，汗液中的葡萄糖浓度与血糖有较好的相关性[6]。该类检测仪的缺点是易受环境温度、局部pH值变化等的影响，如果新分泌的汗液中混有旧的汗液将影响所测定的数值，另外，汗液中的葡萄糖浓度很低，大约仅有血液中的百分之一，因此对检测设备的灵敏度要求很高。唾液分析仪属于间断性监测设备，目前正在研制过程中，相关报道较少。
总体来说，上述任何一种技术所测得的葡萄糖浓度与血液中葡萄糖浓度的变化均会存在一定时间上的差异性，所以不能准确反映某一时刻的血糖浓度。但作为一款连续动态血糖监测仪，临床医生主要根据血糖动态变化的曲线来调整降糖方案，患者本人则主要根据血糖上升或下降的趋势来做好预防低血糖或高血糖的准备，就这一点来说，目前研发的无创性血糖监测仪可以满足临床医生和糖尿病患者的需要。
3 闭环胰岛素治疗系统
闭环胰岛素治疗系统主要由持续葡萄糖监测系统、胰岛素泵以及控制算法三部分组成。持续葡萄糖监测系统每5～10min检测一次血糖，通过一系列的演算调节胰岛素泵中胰岛素的输出速率与剂量，旨在模拟人体胰岛素分泌对血糖变化进行的自动调节，并最终将血糖调节至一个比较狭窄的范围内。闭环胰岛素治疗系统的优点是可以有效地维持血糖平稳，避免夜间低血糖，减少运动和进餐前后的血糖波动。但由于个体对胰岛素的敏感性不同，进餐和运动的时间与内容也不同，因此闭环胰岛素治疗系统成功的关键在于研发出高度个体化的算法以便能够精细灵活地控制血糖。
闭环胰岛素治疗系统中所用的算法主要有模型预测控制（model predictive control,MPC）算法、比例-积分-微分（proportional-integrative-derivate,PID）算法、模糊逻辑（fuzzy logic,FL）算法及学习型算法等。近年来人工智能高速发展，其中FL算法和学习型算法均隶属于人工智能范畴，其优点是通过算法能够及早检测出影响血糖控制的关键事件（如进餐、运动等），以尽早调整胰岛素注射剂量，从而使得血糖控制平稳。
目前已有一些闭环胰岛素治疗系统如MD-Logic闭环系统进入临床试验，且在1型糖尿病患者中取得了较好的效果[7]。由于部分1型糖尿病患者同时还存在胰高糖素分泌障碍，故有研发团队设计的闭环胰岛素治疗系统可以同时装有胰岛素和胰高糖素的笔芯，既可以输注胰岛素降血糖，也可以在适当的时候为患者输注胰高糖素以预防低血糖。目前闭环胰岛素治疗系统未在具有胰岛素抵抗但胰岛功能衰竭的2型糖尿病或者特殊类型糖尿病患者、婴幼儿、老年人以及有多种合并症（尤其是肝肾功能不全）的糖尿病患者中进行临床研究，因此可能仅对某些特定人群有效；并且其调节血糖的时间点略显滞后，尚不能完美达到模拟正常人胰岛工作的目标，需要进一步研发“深度学习”的自适应算法，以期为患者提供高度个性化的控制血糖方案[8]。另外，目前闭环胰岛素治疗系统中使用的持续葡萄糖监测系统通常还是采用有创性的皮下留置传感器，后者的灵敏度、选择性和寿命可能成为整个系统能否有效工作的重要影响因素[9-10]。
4 人工智能
人工智能在医疗健康领域的应用越来越广泛[11]，在糖尿病教育和自我管理中也发挥了重要作用。目前已经开发出多种智能设备数字工具和应用程序，旨在为不同需求的糖尿病患者提供帮助。计算机辅助技术可以提供有针对性的糖尿病自我管理相关信息、疾病相关知识以及反馈建议，协助糖尿病患者管理血糖。一项采用糖尿病生活方式干预支持软件（LISS-DP）进行计算机支持从而改变生活方式的随机对照研究结果显示，基于计算机的非面对面的生活方式干预，仅在干预期间对改变饮食习惯有效[12]。
人工智能在糖尿病教育和自我管理方面尚需要解决以下问题：(1)如何使糖尿病患者从中持续受益，同时又要避免对其产生过度依赖；(2)如何在“大数据”的前提下，既能使糖尿病患者个人从“大数据”中精准找到适合自己的管理措施，又能保护好每一位糖尿病患者的隐私。
综上，糖尿病诊治方面的新技术将在不久的未来给医患双方带来更加便捷的体验，临床医生将掌握更多的糖尿病治疗方法，患者对于治疗方案依从性将更高，生活将更加自由，但在这个过程中还有很多问题亟待解决。
参考文献
[1]Sefton MV,Horvath V,Zingg W.Insulin delivery by a diffusioncontrolled micropump in pancreatectomized dogs:Phase 1[J].JControl Release,1990,12(1):1-12.
[2]Whitson A,Azeem R,Alessi T,et al.ITCA 650:a novel therapeutic approach to treating patients with type 2 diabetes[J].Diabetologia,2017,60(Suppl 1):S360.
[3]中华医学会糖尿病学分会.中国2型糖尿病防治指南[J].中华糖尿病杂志,2018,10(1):4-67.
[4]Monte-Moreno E.Non-invasive estimate of blood glucose and blood pressure from a photoplethysmograph by means of machine learning techniques[J].Artif Intell Med,2011,53(2):127-138.
[5]Siddiqui SA,Zhang Y,Lioret J,et al.Pain-free blood glucose monitoring using wearable sensors:recent advancements and future prospects[J].IEEE Rev Biomed Eng,2018,11:21-35.
[6]Moyer J,Wilson D,Finkelshtein I,et al.Correlation between sweat glucose and blood glucose in subjects with diabetes[J].Diabetes Technol Ther,2012,14(5):398-402.
[7]Nimri R,Bratina N,Kordonouri O,et al.MD-Logic overnight type1 diabetes control in home settings:A multicentre,multinational,single blind randomized trial[J].Diabetes Obes Metab,2017,19(4):553-561.
[8]苏娇溶,马晓静,周健.糖尿病治疗闭环系统研发中人工智能的作用及研究进展[J].中华医学杂志,2019,99(14):1116-1118.
[9]Scholten K,Meng E.A review of implantable biosensors for closed-loop glucose control and other drug delivery applications[J].Int J Pharm,2018,544(2):319-334.
[10]顾程晨,唐峻岭,董璐,等.采用标准溯源实验室方法评估四款医院专用血糖监测系统精准性[J/CD].中国医学前沿杂志(电子版),2018,10(9):21-24．
[11]徐松,叶哲伟.人工智能在骨科的应用现状及前景[J].中国医刊,2019,54(2):117-119.
[12]Yuri TN,Masakazu N,Chiemi T,et al.Computer-supported indirect-form lifestyle-modification support program using lifestyle intervention support software for diabetes prevention(LISS-DP)for people with a family history for type 2 diabetes in a medical checkup setting:a randomized controlled trial[J].Prim Care Diabetes,2014,8(3):207-214.
