بر اساس مطالعه ای که در نشست سالانه ی کالج کاردیولوژی آمریکا(۱۶ تا ۱۸ مارس ۲۰۱۹ در نیوارولئان) ارائه خواهد شد، یک برنامه نرم افزاری که از سیگنالphotoplethysmography، استفاده می کند و به راحتی بر روی گوشی های هوشمند و دستگاه های پوشیدنی نصب می گردد، می تواند دیابت را تشخیص دهد.
بر اساس مطالعه ای که در نشست سالانه ی کالج کاردیولوژی آمریکا(۱۶ تا ۱۸ مارس ۲۰۱۹ در نیوارولئان) ارائه خواهد شد، یک برنامه نرم افزاری که از سیگنالphotoplethysmography، استفاده می کند و به راحتی بر روی گوشی های هوشمند و دستگاه های پوشیدنی نصب می گردد، می تواند دیابت را تشخیص دهد.
دکترRobert Avram از دانشگاه کالیفرنیا در سان فرانسیسکو و همکارانش به بررسی امکان تشخیص دیابت با استفاده از سیگنالPPG و یک شبکه عصبی پیچشی یا همگشتی(CNN) پرداختند. داده های ۲۲،۲۹۸ فرد شرکت کننده در مطالعه یHealth eHeart که از برنامه ی نرم افزاری Azumio در گوشی های هوشمند خوداستفاده می کردند، ثبت شد. داده های بدست آمده از کاربران به مجموعه داده های آموزش، توسعه و آزمون تقسیم شدند (به ترتیب ۷۰، ۱۰ و ۲۰ درصد). برای پیش بینی شیوع دیابت بر اساس گزارش خود افراد، از یکشبکه عصبی پیچشی۳۴ لایه که با مجموعه داده های آموزشی فیت شده بود، استفاده گردید. این مدل با استفاده از مجموعه داده های توسعه، تنظیم شد و توانایی تفکیک پذیری مدل(تشخیص افرادی که پیش بینی می شود به بیماری مبتلا شوند از افرادی که به این بیماری مبتلا نمی شوند) در مجموعه داده های آزمون با استفاده از ناحیه ی زیر منحنی مشخصه عملکرد سیستم(AUC)اندازه گیری شد.
محققان دریافتند که ۶.۰ درصد از شرکت کنندگان به دیابت مبتلا بودند. بر اساس ۱،۴۴۰،۰۰۰اندازه گیری فتوپلتیسموگرافی، ۷ درصد از شرکت کنندگان به دیابت مبتلا بودند. در مجموعه داده های آزمون، AUC برای پیش بینی شیوع دیابت برابر با ۰.۷۷۲ بود. ارزش پیش بینی منفی ۹۷ درصد بود.
دکتر Avramمی گوید: پتانسیل انتقال غربالگری - که معمولا توسط پزشکان یا پرستاران انجام می شود- به خود بیمار از طریق یک برنامه ی گوشی هوشمند، یک مفهوم بسیار جدید است که به ما تغییرات احتمالی ارائه ی مراقبت های بهداشتی را در آینده نشان می دهد.
