【健康点】近几年来，随着人们生活水平的日益提高、不科学的饮食习惯，糖尿病的发病率越来越高。美国疾病控制与预防中心（CDC）的研究显示，约有 40% 美国成年人一生中会患上糖尿病（主要是 2 型糖尿病），而一些少数族裔的糖尿病患病率甚至可能超过 50%。 在当下，医疗和大数据是一个持续被关注的热门话题。奥巴马政府的“癌症登月计划”和“精准医疗倡议”便将“大数据”作为工作推进的目标。而糖尿病作为一种常见的慢性疾病，其管理更是非常依赖于“数据”（包括大数据和小数据）的驱动；糖尿病的控制也在很大程度上取决于血糖水平的管理，因此非常适合开发各种人工智能（AI）和应用程序。
在过去几年中，数据驱动下的糖尿病管理发展得如火如荼：动态血糖监测（CGM）技术持续进步，一些看似不搭界的公司纷纷建立起了合作关系，自动胰岛素输送系统（人工胰腺）的应用也离我们越来越近。
人工胰腺
在人工胰腺方面，全球领先的医疗科技公司美敦力在这条漫长的道路上迈出了第一步：它生产的混合型闭环自动胰岛素输送系统MiniMed 670G成为第一个获得美国FDA批准的相关设备。该系统应用一种新型算法SmartGuard，为1型糖尿病患者提供相应剂量的胰岛素。
（美敦力的MiniMed 670G）
但是，人工胰腺并不是万能的。即使是新近获批的美敦力MiniMed 670G，仍然需要人们手动输入碳水化合物摄入量、每12小时校准一次装置、每周调整一次血糖传感器、每3天向胰岛素储药器中加一次药……但是与传统的每小时指血检查方法相比，美敦力在血糖管控技术上已经取得很大的进步。
此外，美敦力还与IBM的沃森医疗合作创建了一款认知应用程序，利用美敦力的胰岛素泵和大数据来预测患者的血糖趋势。该工具致力于为用户提供更好的血糖控制方法，可在低血糖发作的3小时前向患者发出预警。
（美敦力-沃森预警工具界面截图）
除了美敦力-沃森，专注于糖尿病前期管理的数字医疗公司Glooko也开发了类似的预警技术。该公司一直与波士顿的Joslin糖尿病中心合作，通过低血糖发作预警技术，让1型糖尿病患者及时进行胰高血糖素注射。Glooko聚合了来自可穿戴设备和应用程序的患者数据，以收集有关膳食、运动和睡眠的信息。
动态血糖监测
目前，动态血糖监测的产品主要通过一个刺入皮下的传感器，在患者的组织间液与体内葡萄糖发生氧化反应时形成电信号，再转换为血糖读数，通过发射器发射到无线接收器上。
在这一领域，总部位于美国加州圣地亚哥的动态血糖监测系统生产商德康医疗走在了世界前列。2015年初，德康获得了与其产品G4 Platinum CGM绑定的移动应用程序“Dexcom Share System”的FDA许可。该套应用程序分为管理人员用和患者用两个版本，前者可以将德康的设备与多达5名指定管理人员或家庭成员的智能手机相连接，而后者则可以连接到患者的智能手机上。这种“关注”功能对1型糖尿病尤为重要，能帮助亲属时刻了解患者病情，以避免各种并发症，如低血糖或高血糖等。
德康数字医疗、数据和分析部总监Daniel McCaffrey不无自豪地说，CGM是管理、管理和数据方面的巨大进步。它可以更准确地描述患者的健康状况和糖尿病控制状态，并且比起以前的自我监测血糖（SMBG），它在数据收集方面更容易也更方便。
1型糖尿病患者每天都进行多次手指血糖测试，CGM设备则可以每5分钟读取一次读数，用户只需每天测血糖2~3次来校准仪器。而且，CGM不仅对1型糖尿病患者有着时间和数据上的优势，对于2型糖尿病患者也有着类似的效果。
当CGM系统与其他设备相连并与管理算法绑定时，它将会变得更加强大。正因如此，虽然德康的 G4系列监控器已经面市数年，但FDA对其应用程序Dexcom Share System的批准才真正让其有了划时代的意义。因为有了它，G4才能与其他设备相连接。
在德康创建的这个生态系统中，人们可以设计各种支持G4的产品。它的CGM仪器现在可以与胰岛素泵、临床医生仪表板，以及各种第三方的患者营养和活动追踪器配对。McCaffrey表示，德康即将发布应用程序的编程接口，之后，它的生态系统还会呈几何级数增长。
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时，总部位于旧金山的数字医疗公司Omada Health则将重心放在了帮助2型糖尿病前期患者上。
Omada认为，体重对于糖尿病控制非常重要，因为体重增加是糖尿病风险增强的迹象之一。而且比起血红蛋白等来说，体重数据的获取也相对容易得多。除此之外，Omada同样重视产品的互联性：它向其远程糖尿病管理计划的参与者寄出的体重秤内置有3G连接，无需在Wi-Fi网络下工作或通过蓝牙与手机或平板电脑配对，使用起来十分方便。
当然，在2型糖尿病的防治中，仅仅监控体重是远远不够的，人们往往还需要其他的补充数据。但在当下的大数据潮流中，医护人员往往不缺乏数据，而是数据的有机整合。Omada的作用是便是帮助用户了解体重秤、健身追踪器、患者报告的食物摄入量等数据，甚至包括群组留言板上的信息，并将这些数据整合生成生活方式建议和临床决策，而不是使治疗复杂化。
Omada的数据科学总监Eric Williams介绍到，Omada的算法能通过体重的变化，向用户发出糖尿病风险或症状的预警。在未来，通过数据的持续追踪和算法的改进，Omada还能提供更好的干预措施和治疗效果。
这一算法目前还不算完美。例如，Omada最初给每个参与者发放了一个计步器，并规定了每天“万步走”的目标，但不同的参与者给出了不同的反馈意见，有的认为目标太难，有的又认为太容易。这让Omada很快意识到，参与者的人口构成会影响实验结果。因此，Omada立刻通过体重指数、年龄、性别等指标将参与者进行了分组，并制定了针对各个小组的更多个性化目标。
个性化和预测是糖尿病管理发展的大方向。截至目前，Omada已经招募了75,000名志愿者参与糖尿病预防计划，进行了1050万次加权，产生了超过10亿个数据点，拥有关于行为改变的最大数据集。现在，对于一名特定的患者，在三到四周的时间内，Omada可以以80％的准确度预测该个体在16周后的行为。
总的来说，数据驱动下的糖尿病预防和治疗已经取得了一定成果，但人们仍有许多工作要做，特别是数据在糖尿病管理中的潜力还有待进一步开发。
