本文要点
1)研究人员开发了一个深度神经网络(DNN),利用基于智能手机的光电容积描记法从最初5870例(“主要队列”)参与者中检测出了糖尿病,然后研究人员在另外7780例人群(“同期”队列)和来自三所医院181名潜在患者(“诊所队列”) 中进行了验证。
2)对于常见糖尿病,在主要队列中DNN的曲线下面积为0.766(95%置信区间:0.750-0.782;敏感性75%,特异性65%),在同期人群中为0.740(95%置信区间:0.723-0.758;敏感性81%,特异性54%)。
3)当将DNN的结果(称为DNN分数)与年龄、性别、种族/民族和体重指数一起纳入回归分析时,曲线下面积为0.830,而DNN分数仍可独立预测糖尿病。DNN在临床队列中的表现与其他验证数据集相似。在具有血红蛋白A1c的人群中,连续DNN评分与血红蛋白A1c之间存在显著正相关(P≤0.001)。
该研究发现表明,基于智能手机的光电容积描记法可提供易于获得的、低创伤的糖尿病数字生物标志物。
参考文献:
Robert Avram, et al. A digital biomarker of diabetes from smartphone-based vascular signals. Nature Medicine, 2020.
DOI:10.1038/s41591-020-1010-5
https://www.nature.com/articles/s41591-020-1010-5