【健康點】近幾年來，隨著人們生活水平的日益提高、不科學的飲食習慣，糖尿病的發病率越來越高。美國疾病控制與預防中心（CDC）的研究顯示，約有 40% 美國成年人一生中會患上糖尿病（主要是 2 型糖尿病），而一些少數族裔的糖尿病患病率甚至可能超過 50%。 在當下，醫療和大數據是一個持續被關注的熱門話題。奧巴馬政府的“癌癥登月計劃”和“精準醫療倡議”便將“大數據”作為工作推進的目標。而糖尿病作為一種常見的慢性疾病，其管理更是非常依賴于“數據”（包括大數據和小數據）的驅動；糖尿病的控制也在很大程度上取決于血糖水平的管理，因此非常適合開發各種人工智能（AI）和應用程序。

在過去幾年中，數據驅動下的糖尿病管理發展得如火如荼：動態血糖監測（CGM）技術持續進步，一些看似不搭界的公司紛紛建立起了合作關系，自動胰島素輸送系統（人工胰腺）的應用也離我們越來越近。

人工胰腺

在人工胰腺方面，全球領先的醫療科技公司美敦力在這條漫長的道路上邁出了第一步：它生產的混合型閉環自動胰島素輸送系統MiniMed 670G成為第一個獲得美國FDA批準的相關設備。該系統應用一種新型算法SmartGuard，為1型糖尿病患者提供相應劑量的胰島素。  

（美敦力的MiniMed 670G）

但是，人工胰腺并不是萬能的。即使是新近獲批的美敦力MiniMed 670G，仍然需要人們手動輸入碳水化合物攝入量、每12小時校準一次裝置、每周調整一次血糖傳感器、每3天向胰島素儲藥器中加一次藥……但是與傳統的每小時指血檢查方法相比，美敦力在血糖管控技術上已經取得很大的進步。

此外，美敦力還與IBM的沃森醫療合作創建了一款認知應用程序，利用美敦力的胰島素泵和大數據來預測患者的血糖趨勢。該工具致力于為用戶提供更好的血糖控制方法，可在低血糖發作的3小時前向患者發出預警。   

（美敦力-沃森預警工具界面截圖）

除了美敦力-沃森，專注于糖尿病前期管理的數字醫療公司Glooko也開發了類似的預警技術。該公司一直與波士頓的Joslin糖尿病中心合作，通過低血糖發作預警技術，讓1型糖尿病患者及時進行胰高血糖素注射。Glooko聚合了來自可穿戴設備和應用程序的患者數據，以收集有關膳食、運動和睡眠的信息。

動態血糖監測

目前，動態血糖監測的產品主要通過一個刺入皮下的傳感器，在患者的組織間液與體內葡萄糖發生氧化反應時形成電信號，再轉換為血糖讀數，通過發射器發射到無線接收器上。

在這一領域，總部位于美國加州圣地亞哥的動態血糖監測系統生產商德康醫療走在了世界前列。2015年初，德康獲得了與其產品G4 Platinum CGM綁定的移動應用程序“Dexcom Share System”的FDA許可。該套應用程序分為管理人員用和患者用兩個版本，前者可以將德康的設備與多達5名指定管理人員或家庭成員的智能手機相連接，而后者則可以連接到患者的智能手機上。這種“關注”功能對1型糖尿病尤為重要，能幫助親屬時刻了解患者病情，以避免各種并發癥，如低血糖或高血糖等。

德康數字醫療、數據和分析部總監Daniel McCaffrey不無自豪地說，CGM是管理、管理和數據方面的巨大進步。它可以更準確地描述患者的健康狀況和糖尿病控制狀態，并且比起以前的自我監測血糖（SMBG），它在數據收集方面更容易也更方便。

1型糖尿病患者每天都進行多次手指血糖測試，CGM設備則可以每5分鐘讀取一次讀數，用戶只需每天測血糖2~3次來校準儀器。而且，CGM不僅對1型糖尿病患者有著時間和數據上的優勢，對于2型糖尿病患者也有著類似的效果。

當CGM系統與其他設備相連并與管理算法綁定時，它將會變得更加強大。正因如此，雖然德康的 G4系列監控器已經面市數年，但FDA對其應用程序Dexcom Share System的批準才真正讓其有了劃時代的意義。因為有了它，G4才能與其他設備相連接。

在德康創建的這個生態系統中，人們可以設計各種支持G4的產品。它的CGM儀器現在可以與胰島素泵、臨床醫生儀表板，以及各種第三方的患者營養和活動追蹤器配對。McCaffrey表示，德康即將發布應用程序的編程接口，之后，它的生態系統還會呈幾何級數增長。

2型糖尿病工具

在美敦力和德康等公司致力于提高1型糖尿病患者生活水平的同時，總部位于舊金山的數字醫療公司Omada Health則將重心放在了幫助2型糖尿病前期患者上。

Omada認為，體重對于糖尿病控制非常重要，因為體重增加是糖尿病風險增強的跡象之一。而且比起血紅蛋白等來說，體重數據的獲取也相對容易得多。除此之外，Omada同樣重視產品的互聯性：它向其遠程糖尿病管理計劃的參與者寄出的體重秤內置有3G連接，無需在Wi-Fi網絡下工作或通過藍牙與手機或平板電腦配對，使用起來十分方便。

當然，在2型糖尿病的防治中，僅僅監控體重是遠遠不夠的，人們往往還需要其他的補充數據。但在當下的大數據潮流中，醫護人員往往不缺乏數據，而是數據的有機整合。Omada的作用是便是幫助用戶了解體重秤、健身追蹤器、患者報告的食物攝入量等數據，甚至包括群組留言板上的信息，并將這些數據整合生成生活方式建議和臨床決策，而不是使治療復雜化。

Omada的數據科學總監Eric Williams介紹到，Omada的算法能通過體重的變化，向用戶發出糖尿病風險或癥狀的預警。在未來，通過數據的持續追蹤和算法的改進，Omada還能提供更好的干預措施和治療效果。

這一算法目前還不算完美。例如，Omada最初給每個參與者發放了一個計步器，并規定了每天“萬步走”的目標，但不同的參與者給出了不同的反饋意見，有的認為目標太難，有的又認為太容易。這讓Omada很快意識到，參與者的人口構成會影響實驗結果。因此，Omada立刻通過體重指數、年齡、性別等指標將參與者進行了分組，并制定了針對各個小組的更多個性化目標。

個性化和預測是糖尿病管理發展的大方向。截至目前，Omada已經招募了75,000名志愿者參與糖尿病預防計劃，進行了1050萬次加權，產生了超過10億個數據點，擁有關于行為改變的最大數據集。現在，對于一名特定的患者，在三到四周的時間內，Omada可以以80％的準確度預測該個體在16周后的行為。 

總的來說，數據驅動下的糖尿病預防和治療已經取得了一定成果，但人們仍有許多工作要做，特別是數據在糖尿病管理中的潛力還有待進一步開發。