ATTD会议速递：跟我来！看看糖尿病未来的新技术有哪些？

编者按：大数据以及人工智能的出现，为糖尿病的监测和管理开辟了新视角，2021年6月2~5日召开的第14届糖尿病先进技术与治疗国际会议（ATTD 2021）上，新技术、新进展不断涌现，下面我们一起继续浏览本次ATTD大会上展现的新技术以及新进展。

AI助力自动胰岛素输送装置升级为全闭环

仿生人工胰腺（BiAP）是一种基于胰腺β细胞生理特征的高级混合闭环胰岛素输送系统。BiAP结合一种新型自适应的餐时胰岛素剂量计算器和控制器。该计算器通过分析餐后血糖、行为等历史数据，利用人工智能提供自适应的、个性化的餐时胰岛素剂量。

BiAP控制算法是为了嵌入低功耗设备而设计的，目前已经应用于一个基于微芯片的专用手持设备中。最近，BiAP控制算法也实现了在连有Dexcom G6连续葡萄糖传感器的iPhone、Tandem t:slim AP胰岛素泵及专用的远程网络平台中的应用。BiAP已经过临床评估，目前正计划开展一项交叉随机对照研究评估其长期临床疗效。

在报告中，研究者回顾了BiAP中的最新算法、软件开发以及头对头研究中BiAP控制算法和公开的DIY人工胰腺控制算法比较结果。最后，介绍了基于机器学习的膳食检测算法改善BiAP的最新进展。

外眼照片可发现糖尿病的潜在迹象

通过眼底镜或眼底照相机评估眼睛的后部，可以筛查或诊断糖尿病视网膜疾病。类似地，对眼睛前部进行检查或成像可以评估眼睛前部的情况，例如眼睑、角膜或晶状体的变化。本研究旨在探究眼前外部照片能否评估糖尿病视网膜疾病和血糖控制水平。

通过分析美国某个州301个糖尿病视网膜病变（DR）筛查中心的145832例糖尿病患者的外眼照片，研究者开发了深度学习系统（DLS）。并通过美国其他18个州的198个筛查中心的3个验证组评价DLS。

验证组A（n=27415例患者）中，DLS识别出：血糖控制不佳（HbA1c>9%）的ROC曲线下面积为70.2%（95%CI：69.4%～70.9%）；中度或重度DR的ROC曲线下面积为75.3%（95%CI：74.4%～76.2%）；糖尿病性黄斑水肿的ROC曲线下面积为78.0%（95%CI：76.4%～79.6%）；视力威胁DR的ROC曲线下面积为79.4%（95%CI：78.1%～80.8%）。综上，DLS识别出的4类事件的ROC曲线下面积均高于通过自我报告基线特征（年龄、性别、种族/民族、糖尿病病程）得出的ROC曲线下面积（P＜0.001）。

在阳性预测值方面，DLS预测风险前5%的患者发生HbA1c> 9%的风险达67%，发生视力威胁DR的风险为20%。依据基线特征预测，发生HbA1c> 9%的风险达54%、发生视力威胁DR的风险为14%。同样，调整基线特征后，DLS预测HbA1c>9%和视力威胁DR的优势比分别为2.0和1.6（两者均P<0.001）。

这些结果可以推广到验证组B中的瞳孔扩张患者（n＝5058例患者）和验证组C中的接受不同筛查服务的患者（n=10402例患者）。

该研究结果表明，外部眼睛照片包含的信息有助于医疗保健提供者管理糖尿病患者，并可能优先识别需要面对面筛查的患者。未来，研究者将在不同的设备（如：计算机网络摄像头、前置智能手机摄像头）、不同的人群（如未患有糖尿病的人）中验证上述结果，以评估其在远程诊断和管理方面的效用。

新方法：心率变异性可预测1型糖尿病儿童夜间低血糖

夜间低血糖是儿童糖尿病最可怕的并发症，且往往不易识别。心率变异性（HRV）反映自主神经系统的激活状态。低血糖、血糖下降会引起交感肾上腺激活，那么，由此推测HRV也会发生变化。因此，本研究的目的是评估1型糖尿病（T1D）儿童出现夜间低血糖前是否发生HRV变化。

这项观察性研究纳入1~18岁、T1D病程>6个月的儿童，采用连续血糖监测（CGM）连续监测5天，每晚监测动态心电图。采用6分钟移动窗口计算HRV参数，包括时域分析的SDNN、频域分析的VLF和TP以及样本熵，计算低血糖事件发生前90min到低血糖发作（0min）。低血糖事件定义为：传感器葡萄糖水平<3.9 mmol/L持续15分钟及以上。采用Kruskal-Wallis检验比较低血糖事件发生前的各时间点与低血糖事件发生时的HRV参数。

结果显示，25例儿童（11例女性，年龄13.5±2.5岁），共计发生33例低血糖事件并伴有心电图记录。平均SDNN从低血糖事件前70min的79ms，逐渐增加至前30min的83ms，再到低血糖发生时（0min）的89ms（P值分别为0.002、0.01）；VLF从低血糖事件前70min的3158ms，逐渐增加至前30min的4366ms，再到低血糖发生时（0min）的5153ms（P值分别为0.0001、0.0002）；TP从低血糖事件前70min的7960ms，逐渐增加至前30min的9663ms到，再到低血糖发生时（0min）的10700ms（P值分别为0.0002、0.0081）；样本熵从低血糖事件前70min的1.76，逐渐降至前30min的1.75，再到低血糖发生时（0min）的1.65（P值分别为0.001、0.001）。

研究人员认为，早在夜间低血糖发生前70分钟，多个HRV变量就有显著变化。这表明HRV的变化可能有助于预测夜间低血糖。

1型糖尿病幼儿连续血糖监测的应用和血糖变异性：VIBRATE 研究

虽然CGM的有效性和安全性数据在各年龄段患者中均显而易见，但在1型糖尿病（T1D）幼儿中的评估仍有限的。本研究旨在评估CGM在这一高危人群中应用的真实数据，尤其是血糖变异性和目标时间范围（TIR）。

一项多国、基于注册人群的前瞻性队列研究旨在于T1D幼儿中比较采用实时CGM、间断性指尖血糖监测（BGM）评估的血糖相关指标，随访12个月。主要纳入标准包括T1D病程≥6个月、1～7岁、胰岛素泵治疗≥3个月、CGM/BGM数据≥10天。主要终点是血糖变异性——CGM、BGM组的变异系数CV，次要终点是目标范围内时间。

结果显示，15个中心的229例儿童参与研究（44%为女性，平均年龄5.1±1.6岁）。T1D幼儿使用CGM可以减少血糖波动、延长目标范围内时间、缩短目标范围外的时间，更可能达到血糖控制目标。