糖尿病患者在全球范围内迅速增加，可能会从2019年的4.51亿增加到2045年的6.93亿。2型糖尿病的潜伏性会导致诊断延迟并增加发病率。有鉴于此，美国加州大学的Geoffrey H. Tison等研究人员，揭示了基于智能手机提供血管信号的糖尿病数字生物标志物。

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