可穿戴设备可以通过机器学习发现糖尿病的早期症状

研究显示，在神经网络的帮助下，普通的可穿戴设备也能基于心率变异性与糖尿病可能性的关系检测出早期糖尿病的迹象。

人工智能、机器学习和神经网络是高科技行业的流行语，经常被用于为消费者或为销售产品和服务的公司增加生活的便利。但是这些技术现在也被用来帮助人们更健康，甚至拯救生命。最近一项由健康创业公司Cardiogram和加州大学旧金山分校（University of California San Francisco）进行的研究显示，即使是普通的以健身为中心的可穿戴设备，也能检测出糖尿病的早期症状，当然，在神经网络的一点帮助下。

糖尿病在美国是一个越来越令人关注的问题，据信有多达1亿人处在糖尿病前期或已经患有糖尿病。其中四分之一的人一生都没有得到诊断。更糟糕的是，将近90%的糖尿病前期患者完全没有意识到隐藏在他们看似正常的生活方式背后的危险。

开发监测葡萄糖水平的仪器并不是什么新鲜事，但理想的非侵入式无创监测仪器仍然是梦想。此外，大多数这些设备能满足患有糖尿病或至少知道自己病情用户的需求，如苹果手表、Android Wear智能手表、Fitbit、或者任何有心率监视器的可穿戴设备。

这种看似神奇的糖尿病早期症状检测方法是基于心率变异性与糖尿病发生的可能性之间的关系。我们有算法，但没有数据可以输入。这就是机器学习的用武之地。由于无法收集训练神经网络所需的数百万数据，Cardiogram和加州大学旧金山分校（UCSF）采用半监督机器学习技术，利用33,628人周的健康传感器数据训练DeepHeart深神经网络。他们后来对照12,790人周的单独数据集验证了DeepHeart的准确性，达到85%的成功率。

这个研究最好的部分是，任何拥有兼容智能手表或健身跟踪器的人都可以从这个神经网络中获益。他们只需要从苹果（Apple）应用商店或谷歌应用商店中下载心电图应用程序。这款应用适用于所有配有听速传感器的苹果手表和安卓穿戴智能手表。除了糖尿病的早期症状外，DeepHeart还被证明可以检测到其他心脏相关疾病，如高血压、睡眠呼吸暂停、心房颤动。