一份由 UCSF 醫(yī)學院進行的研究顯示，新創(chuàng)公司 Cardiogram 的神經(jīng)網(wǎng)絡能夠通過監(jiān)測使用者心跳，就能以接近 85% 的準確度偵測到糖尿病的存在。而且最重要的一點是，這研究并不需要使用任何專門醫(yī)療器材，光是使用 Apple Watch、Fitbit 手環(huán)、Android Wear 等具備心率感應器的穿戴式智能手表就可以。

Cardiogram 的創(chuàng)辦人 Brandon Ballinger 向我們表示，這是他所曾完成過的工作中最困難的，但極具意義。（這說話出自幫助修復美國 Healthcare.gov 網(wǎng)站的人口中，感覺特別有說服力。）

Cardiogram 在之前也有進行過類似的研究，像是通過訓練神經(jīng)網(wǎng)絡 DeepHeart 來在 6，000 個參與者中，找出中風跡象。在這次針對糖尿病的研究，更把增加參與人數(shù)至 14，011 名，他們需要在大量心跳數(shù)據(jù)之中，尋出高膽固醇、睡眠窒息和高血壓的痕跡。Cardiogram 通過使用 DeepHeart 的經(jīng)驗，從總共 57，675 周的心率信息中，分析心率頻率是否正常。

為了把所得數(shù)據(jù)轉(zhuǎn)變成有意義的信息，Cardiogram 嘗試了不同的方式分析。其中之一是與名為「semi-supervised（半監(jiān)督）」的學習方式。Ballinger 解釋指，他們在未經(jīng)監(jiān)督的階段收集混集有糖尿病患者和非糖尿病患者的數(shù)據(jù)，讓神經(jīng)網(wǎng)絡能學習到心率會如何變化。在隨后的監(jiān)督階段，DeepHeart 將會獲得一些標簽有已知是糖尿病患者的數(shù)據(jù)，幫助它能瞭解糖尿病患者的心率變化。另一種方式：啟發(fā)式預訓練，更有著更好的結(jié)果。

有趣的是，這振奮人心的 85% 準確度是通過未經(jīng)預先訓練的神經(jīng)網(wǎng)絡所得的，這結(jié)果讓研人員相信「合并人手調(diào)整和深度學習過程有著其潛在優(yōu)勢」。換句話說，在這偵測病患的過程中，不能完全拿走人類的因素。

但大家需要清楚 DeepHeart 的設計原意并非為確診糖尿病，只是這復雜的運算法能夠找到糖尿病和心率改變之間的關(guān)系，所以想要借著消費者級的心率感應器來確診糖尿病，也是不實際的。不過 Ballinger 卻表示他們的目標是要幫人們在懵然無知的情況下，及早提醒他們有著患上糖尿病的風險。單是這樣就足以帶來相當?shù)母淖?，?jù) CDC 的報告指，在美國有超過 1 億個成人糖尿病患者，但其中 25% 是完全不知所以的。

這通過 DeepHeart 而來的糖尿病預檢，最終是有可能加入到 Cardiogram 的 app 之中，但 Ballinger 并沒有給出確實的答案。同時他們沒有排除最終成為提供全面確診的可能性，所以這工具的潛力仍然是非?？捎^的。Ballinger 打趣道，如果 Apple Watch Series 5 有著血糖和血壓計的話，他們或許能確實做出來啊。