AI赋能糖尿病的三大应用场景深度剖析：自动胰岛系统、控病虚拟助手、病症早筛工具

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。

机器学习技术不是今天才有，只是没有今天这么家喻户晓。在3年前，我们可能只是简单用“算法”这个词来说明某些糖尿病APP中的部分个性化功能的技术支撑，但在算法的背后以往大家并没有说得那么清楚。而事实上至少3年前一些算法功能已在应用机器学习。

例如，移动医疗鼻祖级的Welldoc早在2014年就表示，他们应用算法可对用户的低血糖进行预测预警，赋能于其著名产品Bluestar，而其算法背后也正是机器学习技术。

因AI热潮愈演愈烈，如今许多创新项目都明确指出人工智能技术是其产品的技术支撑，并将其作为核心能力，这一领域也逐渐更显眼地浮出水面。

代表趋势的三个创新方向

展开来说，AI+糖尿病有哪些具体的创新应用点？其实，驱动创新的需求并没有变，其创新的方向与移动医疗相比也并没有变，变的是模式和效果。首先我们可以按以下三点来理解糖尿病管理的创新方向。

一是优化病情管理方式。因糖尿病可持续几十年的慢性病属性，患者自主控制病情及配合治疗非常重要。围绕这一点，优化患者对病情的自管理方式显得尤为关键。其中一方面是进一步的自动化，尽可能的为患者省去麻烦。

例如避免手动操作读血糖或胰岛注射，从数据采集上来说也在努力实现全程自动采集。另一方面是如何促使患者长期坚持有效的管理方式及良好的生活习惯，例如使用聊天机器人互动界面，以更简便人性化的界面以实现患者激励，提高依从性。

二是更个性化的治疗。通过数据分析，针对多维度的个体因素提供更好的治疗及病情管理方案。通过数字化以及智能化的手段，令随时随地获取个性化治疗方案不再奢侈。最终，更有针对性的方案能带来更好的疗效，且可负担。

三是促进早发现早治疗。通过预测和早筛，实现在病症隐患早知道，尽早诊断，在产生更严重的并发症之前能引起注意，及早预防或治疗。

三类典型场景及创新项目

目前已有的AI+糖尿病应用场景主要可分为三类：自动胰岛系统、控病虚拟助手、病症早筛工具。以下将分别介绍这三类应用的项目案例，部分项目已将前两类甚至三者结合在一起。

第一类：自动胰岛系统

对于1型糖尿病患者，需要长期注射胰岛素，在何时注射，注射多少，以往并没有足够个性化的方案可用。此外胰岛素注射过程对患者来说十分不便。过往一些胰岛素给药设备商也一直在寻求胰岛素给药系统自动化的不断提升。

一些新兴的设备商或系统方案商，老牌药企等着力改进这一领域，新兴创业公司与传统公司之间也有交叉合作。

这里，一方面旨在实现给药过程自动化，另一方面实现给药时间剂量的精准化，最终期望实现全程自动化，让患者忘却这一烦事。

典型项目，已跑到B轮的Bigfoot Biomedical利用人工智能技术开发1型糖尿病管理系统，以实现自动化可持续优化的糖尿病患者胰岛素输送，提供更简便、更安全、更有效的方式。整个系统由血糖检测设备、胰岛素注射设备和移动端应用组成。

Bigfoot的设备于2016年获得FDA批准，并且纳入了医保计划。据称有医保的患者花费50美元可购买这款胰岛素给药装置，而没有医保的患者需要549美元。

下载相关APP就可以追踪血糖水平、胰岛素注射量等信息，内置不可充电的锂电池，可使用一年。

Bigfoot Biomedical 2014年成立于美国，分别于2014年11月，2016年10月，2017年12月获得了种子轮200万、A轮3550万、B轮3700万美元的融资，总计融资额达到7450万美元。

期间在2015和2017年还分别收购了两家公司，Timesulin和Asante Solution。

这两家公司成立时间要更早，都超过15年，前者是一家英国公司，控制胰岛素输入以防过量；后者成立于丹麦但在美国运营，也是一家胰岛素输入管理设备提供商。

可以看出Bigfoot通过收购，迅速搭建了一个完整的系统，从血糖监测到胰岛素给药，以及期间依靠算法支撑的血糖数据分析及给药决策。

而前不久的B轮融资资金将更多用于加强人工智能技术应用，以进一步优化效果。然而，Bigfoot在将事情搞大的同时，也已将自己置身在与传统巨头直接竞争的激烈环境中，这个架势没有过硬的能力恐怕撑不起来。

另一个项目，Dreamed Diabetes这家以色列创业公司成立于2014年。2015年4月获得一笔200万美元的种子投资，投资方是美力敦。接着在2016年7月又曾获得330万美元的另一笔融资。

其开发有世界第一款获得CE证书的闭环胰岛素自动给药系统。

作为Dreamed Diabetes主要投资方的美力敦在胰岛素给药领域算是最具竞争力。美力敦MiniMed 670G是首款拥有FDA认证闭环自动给药设备，2016年9月获批，但尚未完全自动给药，还需患者自行做一些操作。

利用美敦力公司的SmartGuard HCL算法来推断何时以及需要输送多少胰岛素，然后允许患者自己在必要时做出改变。

患者在每餐后输入碳水化合物计数并定期使用传统的手指点滴血糖仪校准传感器，该系统自动化设置就可以管理胰岛素输送，确认任何推注变化。

此外，还有部分新创公司正在积极尝试但尚未拿到批文。

如美国创业公司TypeZero，开发相应软件系统，最早成立于2013年，开发定制分析工具和血糖控制解决方案，其inControl平台包括为智能胰岛素笔和人工胰腺系统开发的建议程序。

TypeZero 2017年获得有220万美元的天使融资。

TypeZero称其自2008年开始就在进行相关的临床试验，涉及450多位患者，30个专利，以及30起试验项目，同时解决方案给糖尿病患者和医疗专业人士。因集中在软件上，TypeZero一直在积极联合设备商来推进发展。

2016年11月，TypeZero联合Dexcom和Tandem Diabetes care着力进行NIH资金支持下的临床试验International Diabetes Closed Loop (IDCL)，由Dexcom的G5和Tandem的t:slim X2胰岛素泵组成。

就在上个月2018年1月这项试验宣布首次试验成功完成，并将在2018年下半年开始关键性研究，期望在2019年上半年前获批FDA并有推向市场。

2017年7月TypeZero宣布与Senseonics和罗氏开始了一项长期的试验项目，将结合应用Senseonics的GCM设备，罗氏的Accu-Chek Insight胰岛素泵以及TypeZero的APP，inControl软件会根据从CGM系统和胰岛素泵收到的数据的组合，自动调整和调节胰岛素的输送。我们可以看出作为仅有算法没有设备的TypeZero正在成为其他设备商的技术合作伙伴。

鉴于过往血糖监测设备和胰岛素给药设备的局限性，以及短期内因为成本问题还无法全面普及的CGM和人工胰岛设备，在没有实现全程都可自动进行的系统之前，可连接辅助性系统也是十分必需的，例如计算胰岛素剂量的APP。

FDA明确规定用于胰岛素剂量App需要审批。各大药企在过去2~3年内都纷纷开发胰岛素剂量计算APP，包括礼来、罗氏、赛诺菲，并陆续获批FDA。

礼来公司的Go Dose这是配合礼来自家的胰岛素产品优泌乐（Humalog）而特意研发的App。赛诺菲的My Dose Coach也是为了配合自家的胰岛素产品“来得时”（Lantus）而研发的，以及罗氏的Accu-Chek Connect app。

此外，其他设备商、创业公司也有该类投入。有的结合了自身的给药设备，而有的则兼容多种给药设备，成为一个连接性装置。

2016年成立的DIABNEXT推出的CLIPSULIN®产品获2017CES电子大展的生技创新奖，一款为糖尿病友设计的智能胰岛素记录器，相容於市面上各种不同之胰岛素笔型，可自动记录注射剂量、时间、日期，并即时储存或上传到电脑、手机。

DIABNEXT AI平台称为JARVIS，为患者和医生提供个性化的数据指数分析及决策支持工具。之前欧洲人工智能会议（ECAI）举办了一个关于糖尿病人工智能的整个研讨会，数十位研究人员讨论了胰岛素剂量的便携式个性化决策支持系统，该系统结合了来自多种来源的数据，如身体穿戴式传感器和人工输入。

DIABNEXT公司提供两类解决方案，一种记录血糖数据GLUCONEXT®，包含一个血糖设备；另一种则是胰岛素设备及记录系统CLIPSULIN®。两个解决方案目前正在按59.9美元和83.9美元预售，合并购买为114.9美元。

还有一家名为Hedia的丹麦创业公司，成立于2015年，提取个体糖尿病患者的模式和习惯，并将其用于胰岛素推注，使糖尿病患者获得更好的胰岛素治疗。

着眼在胰岛素给药自动化和精准化上，临床医学门槛较高，在欧美需要通过严格的监管审批流程，拿到FDA、CE证。

可以看出，已经有给药设备产品的传统制药及医疗器械公司、有创新给药设备的新兴公司和只开发算法系统的创业公司都各有切入，它们之前也在寻求组队合作，但有一点是肯定的传统巨头之间竞争激烈，在给药设备上有排他性。

据相关研究机构数据称，全球胰岛素给药设备市场2016年为115.4亿美元，2021年可达178.5亿美元。

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.r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。

文|顾贝妮

微信|gugreaty

网站、公众号等转载请联系授权

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。文中出现的采访数据均由受访者提供并确认。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。