AI赋能糖尿病管理的3类应用场景（下）

文/顾贝妮

用更低的成本实现更好的疗效，是医疗创新的终极目标，糖尿病领域也是如此。继移动医疗创新之后，将人工智能技术引入糖尿病领域也已有不少尝试，本文将对此应用领域AI赋能场景做深入梳理及分析。

……接上文【AI+医疗】AI赋能糖尿病管理有哪些应用场景（上）

第二类：控病虚拟助手

另一个应用场景是控病虚拟助手。部分糖尿病患者不需要注射胰岛素，但控糖仍是一项艰巨的持久战。如何帮助患者控糖，移动医疗领域已有大批创业者致力于此，AI赋能之后，有何能力升级？看看一下案例。

美力敦Sugar.IQ算是大药企和科技巨头强强联合开发的产品。2017年美敦力和IBM的沃森之间的合作产生Sugar.IQ投入应用。Sugar.IQ使用IBM沃森分析方法，分析数据特征并提供实时的、可操作的、个性化的认知，结合美力敦GuardianTM Connect CGM监测设备，可更好得提供个人血糖管理指导。但这里还没有看到胰岛素给药设备加入，但相比未来一定会与此结合起来。

Sugar.IQ成为一个患者的虚拟助手，为其分析血糖波动，并提供会影响血糖波动的生活建议，预测提醒血糖趋势。

这里注意，美力敦做了一些试验研究，对比使用sugar IQ指导和未经指导的2型糖尿病患者血糖控制效果的差别。研究结果显示首批97个用户的整体效果对比，数据显示有明显改善。 

美力敦对于自动化胰岛素给药设备也有相关产品及深入规划。目前还没有全程的自动化，但在未来的规划中，计划将继续与IBM合作，以及将前文介绍的以色列公司DreaMed Diabetes的产品集成其中。

美力敦这样的巨头，从产品体系、市场地位、品牌效应上有难以撼动的地位。然其仍旧处在一个其他巨头虎视眈眈预备随时赶超的激烈竞争中，时刻关注前沿创新、寻求能提供补充的技术合作方已成为其保持领先的战略重点。

 

以下还有一些探索中的项目，主要围绕根据血糖水平提供饮食、运动等控糖建议，如下。与移动医疗APP一样，这类应用部分既有患者端，也有医生端。患者端用于自管理，医生端便于医生对病患的观察、管理及沟通。

Virta Health美国创业公司，成立于2014年，2017年3月已获得3700万美元融资。Virta Health使用机器学习技术，围绕糖尿病患者营养问题提供帮助。Virta为客户提供记录血糖和血压等信息的设备。患者将数据输入Virta应用程序，然后可以由指定的临床医生和健康教练（可通过短信或视频聊天）持续监测。

Virta 官网上也提供了研究数据，以显示其应用的切实效果。 

Medilync是一家2012年成立的冰岛创业公司，开发有自己的连续血糖监测设备。其人工智能技术是与微软Azure合作，并作为创业项目已入选参与Microsoft’s IoT & AI lab。

Medilync的Insulync设备内置血糖读取器，包括存放胰岛素笔和测试条的空间。Insulync收集的数据会自动同步到Medilync的云平台Cloudlync。据报道，机器学习用于分析持续传送到云端的数据。患者数据还与膳食计划数据以及患者的电子病历结合在一起，避免手动输入数据。Medilync允许临床医生持续进行远程病人监护，并能够根据实时血糖水平识别任何潜在的健康风险。如果用户错过胰岛素注射或血糖读数，该系统会提供警报。

另一家MedicSen2015年成立于西班牙。MedicSen认为预测模块有助于糖尿病患者提前做出知晓潜在风险的决策。

根据团队的研究结果，他们的学习算法提前1小时预测未来血糖值，误差可少于10个单位。MedicSen采用聊天机器人界面，可通过语音或文本问答，以期提升治疗依从性。目前获得有少量融资。MedicSen设计外延面更宽，包括可结合可穿戴设备来监测运动量，以及为患者定制的食谱、运动计划等。

引入了聊天机器人智能对话界面来优化体验，在海外新创项目中已有多例。除了上面这家MedicSen外还有如下项目。

2017年4月健康保险公司Independent Health开始参与到Brook的创新系统。Brook这是一个采用聊天机器人界面的糖友虚拟助手。Brook2015年成立于西雅图，其期望搭建一个慢病管理平台，首先选择切入的是糖尿病领域，目前有安卓版和iOS版app，同时也支持Facebook messenger。Brook将会继续与Independent Health探讨后续合作的其他方面。

Brook主要是针对2型糖尿病患者的病情管理，用户可以通过即时通讯聊天方式来获取一对一的引导与建议。Brook主要在于日常饮食管理与生活习惯上，也包括用药情况，用户通过发消息来令应用记录数据。Brook可通过蓝牙连接其他血糖设备，支持Healthkit上已有设备。同时也具有社群性，可以通过应用与其他病友、家人朋友沟通，进入病友交流社区等。之所以使用聊天机器人智能对话系统模式，是为了让用户使用起来更方便，更直接，以激励用户长期坚持使用。 

美国创业公司Suggestic成立于2014年，采取以营养为重点的方法来帮助糖尿病患者和慢性疾病患者管理他们的健康。这家初创公司声称其应用程序使用AI来推荐符合用户饮食限制的膳食选项。

Suggestic建立在一个包含超过100万种食谱和500,000餐馆菜单的广泛数据库上，该数据用于训练算法以识别哪些食物选择补充特定饮食。例如，用户从选择素食或无麸质的饮食计划开始。使用聊天机器人可帮助用户在外出时推荐食谱或菜单选项来计划每周用餐。该平台使用从绿色（最佳）到红色（最不理想）范围的Adherence Score量表来确定膳食选择如何适合用户的饮食。该应用程序还将增强现实技术与智能手机相机捕捉餐厅菜单信息。

第三类：病症预测早筛

在糖尿病诊断领域，诊断本身没有难度，但许多糖尿病患者并不知道自己患病，没有特殊原因不会专门前去诊断。据悉，在美国可能有约22%的患者没有诊断确知。部分研究希望通过其他途径较早获知高患病风险的人群。2015年，Framingham心脏研究显示，高静息心率和低心率变异性可预测谁将在12年内发展为糖尿病。

美国一家创业公司Cardiogram则开发了应用，对心率数据进行分析，来判断是否可能患有糖尿病，据称准确率可达到85%。人们可以佩戴可穿戴设备获得心率数据，使用称为DeepHeart的深层神经网络，Cardiogram评估了2亿次心率和步数测量，找出那些可能有糖尿病前期或已患上糖尿病的高风险人群。Cardiogram成立于2016年，已获得200万美元天使融资。

此外还有糖尿病并发症的早筛领域。临床数据显示，糖尿病发病后10年左右，将有30%～40%的患者至少会发生一种并发症，且并发症一旦产生，药物治疗很难逆转，因此强调尽早预防糖尿病并发症。一些组织开始尝试应用AI技术对相关并发症进行预测和早筛，以便提前预防，尽早治疗。Google Research在两年前已开展了糖尿病性视网膜病变预测的研究。Google Research分别找来两个不同的眼科专业的视网膜眼底照片库，让算法和眼科医师分别诊断。算法在发现症状的敏感度和判断症状的准确性上，都比人的得分要高。用机器学习技术来提早发现糖尿病性视网膜病变，进行及时甚至是预防性治疗，从而让那些可能将在3年、5年甚至10年后失去视力的人们，获得一个宝贵的提前治疗机会。

DreamUp Vision 2016年成立于法国，通过深度学习技术来检查因糖尿病引起的眼疾，糖尿病性视网膜病变(Diabetic Retinopathy)，部分患者最终可能导致失明。DreamUp的算法基于7万条视网膜影像数据，快速识别视网膜异常的位置和严重程度。图像评估被标注为0~4不同等级，意味着视网膜病变情况从低到高。DreamUp Vision的算法在接收器操作特性（ROC）得分为0.946的情况下实现了显著的准确性。优秀的ROC得分通常在0.90至1的范围内。

而就在前不久，今年2月美国公司IDx就其产品IDx-DR，用作糖尿病视网膜病变的独立筛查工具，基于AI的诊断系统，向FDA提交申请。据称FDA以“突破性设备”接受了该项目，将尽可能加快审查。

除了视网膜病变问题之外，还有其他并发症通过AI进行预测的研究。例如日本藤田保健卫生大学和第一生命保险公司曾开发出使用人工智能对糖尿病患者半年后是否会出现严重并发症进行预测的系统，例如糖尿病肾病。科研小组让AI学习了与糖尿病相关的约2500万部论文以及约13.2万名糖尿病等患者的电子病历数据、营养指导记录等。向其输入没有出现糖尿病肾病症状的初期患者的数据，预测180天后是否会出现肾病恶化症状。该项研究据悉预测准确率可达71%。

零星探索中的国内项目

2016年国内尚有一些定位在糖尿病领域的项目获得较大金额的融资，但进入2017年后相对冷清了许多。就目前国内AI+糖尿病领域的情况，少有深入落地的项目，但有部分项目已开始将注意力转向此处。自动化胰岛系统的临床技术门槛较高，国人还不会玩，定位属于控病虚拟助手范围的，以及并发症早筛领域有个别项目。

2017年4月，掌控糖尿病宣布获得数千万元B轮融资，称其计划加强人工智能方面的研发投入，辅助其健康大数据分析。据2015年时的融资报道，掌控糖尿病在初建时就着力投入在智能数据引擎上。另一个融资额不多的悦糖，希望利用AI技术， 建立中国人自己的餐后血糖应答预测模型，帮用户预测餐后血糖，找到适合自己的饮食模式和运动。此外，2017年掌上糖医称其也在探索AI智能诊疗平台，由SaaS业务收集到的大量数据，正被团队应用到机器学习中，并已经初步构建出“AI辅助诊断系统”。

目前相比海外项目，还不能用AI技术较为完整的覆盖到整个糖尿病管理体系的核心功能，仅在几个点上有涉及，主要着眼点在门槛最低的营养管理。然似乎没有能提供可靠的效果对比试验数据。这里需要注意的是，海外项目发展应用较好的，获得较多融资的，要么有FDA或CE审批，即便不需要审批的也能提供基于试验的效果对比数据，以证实其实力。控糖效果到底如何，是个极大的疑问，患者也好、医生也好、资本也好都会质疑这一点，打消疑问的唯一方法就是用数据说话。

在并发症早筛方面，国内也有该领域的应用。DOCE是肽积木科技专门针对糖尿病患者而研发的一款眼底病变免费自查APP工具。据称能通过深度学习等技术，在不依赖医生的情况下，可自助对眼底病变进行筛查和复查。患者仅需上传眼底图片，AI机器人便可快速阅片，自动识别标记病灶及病程等级，快速生成病例报告，并给出诊疗意见及科学控糖贴士。同时，DOCE可提供三甲医院权威医生的远程诊疗服务，在线预约眼底拍照上门服务。肽积木成立于2016年，于2017年1月获得数百万天使轮融资。

AI赋能之后有何不同

我们可以将人工智能相关技术在糖尿病领域的应用可拆解成更具体的能力，有这些：数据采集、风险预测、智能识别、管控建议、精准给药、智能对话。相关到自动胰岛系统、虚拟控病助手、病症预测早筛三类场景上可以按下图所示来理解。

并发症早筛领域超出了糖尿病日常管理的范畴，暂且不论；自动胰岛素给药系统严格说来属于医疗设备的升级，相比以往设备的优点可以说显而易见，临床门槛高，入场玩家有限，也不必讨论。而控病虚拟助手所关注的场景与之前移动医疗百糖大战属于同一需求市场，AI赋能的移动应用也仍旧还是移动应用，其间会有何不同呢？个人认为最大的不同在于对医疗专业人士的依赖将可能获得显著降低，从而得以提供更低成本而更个性化的服务。

首先，对医生资源的依赖度降低。我们意识到糖友们的自管理仍旧需要在专业指导之下，如果没有可靠的算法来提供建议，那么只能依靠连接到医生来获取建议。这也是为什么以往认为医生资源很重要，线上线下要闭环。然而算法模式下，这类连接将有望逐渐减少，最后实现大幅度减少。以往我们希望通过互联网创新优化配置医疗资源，核心是医生资源，但病患即便在互联网模式下对医生资源的需求量并没有减少，从总量上看，医生们的工作量并没有减少，更多是在不同层次医生的配置上，和提供服务的渠道上有变化。在AI赋能下，未来有望不在需要一个庞大的医生池来解决大量患者问询需求，尤其是常规高频问询，而将技术深入应用，将逐步扩大AI可应对的病患需求范围，才有可能从总量上降低对医生资源的依赖程度。

其次，边际成本趋近零的可能性提高。抛开硬件设备，软件系统因需要人工干预的减少，且有望越来越少，这使运营这一产品的边际成本可以大幅降低，不再需要通过补贴医生来留住用户。在这种前提下免费或超低价格的服务更有可持续性。也就意味着，即便其他条件不变，也更易获得盈利模式。

第三，个性化用户体验有望提升。用户黏性一直是慢病类APP的产品痛点，使用起来太过麻烦、功能有限、一些高频需求难以即时满足，这些都严重影响了糖尿病APP的用户黏性。而从前面的案例中我们可以看到，AI赋能之后，作为患者虚拟助手，交互界面可以更人性化，更有针对性也更及时的提供血糖管控建议，整个过程更便捷省心。当然这些都是在技术能力及产品UI设计较为成功的前提下。

已经有这么多糖尿病管理APP了，AI赋能的后来者还有机会吗？其实这个问题并不难回答。因为消费者事实上完全没有忠诚度可言。对企业而言虽然很苦恼，对新来者却意味着永远有机会。虽然前面的玩家已积极整合了产业各环节，架构了生态，但这一切都是在掌控用户的基础上。如果借助AI技术，新来者能提供远超越以前产品的用户体验，能证实管控却有显著效果，且用户转移成本并不高，那么从以前的玩家那里抢来用户一定是可能的，当然要做到并非易事。同时，这也意味着百糖大战虽然已无百糖，但竞争仍将继续。

本文作者：

顾贝妮，长期从事创新商业研究，并为科技创业团队提供战略咨询。管理学硕士，十五年咨询业、财经传媒从业经历。2014年联合创办动脉网VCBeat。为中欧商业评论、36氪、钛媒体等著名媒体特约作者。交流微信：gugreaty；微信公众号：未来主议