在現代醫學帶來先進的血液和尿液測試手段之前，醫生只能依靠味蕾來診斷糖尿病。尿液中帶有甜味一直是糖尿病最顯著的病理特征，英文單詞mellitus的字面意思就是“甜的”。體液中的糖分含量過高，意味著你的新陳代謝出現了問題，要么你的細胞不產生胰島素了，要么就是胰島素對它們不起作用了。

十多年前，研究人員發現了一個和糖尿病關系比較隱蔽的病理特征。眾所周知，糖尿病的并發癥包含了神經損傷，而神經損傷作用于心血管系統會導致心律不齊。這種變化通過電學和光學手段都可以測量出來。因此，也許要不了多久，醫生就能通過患者手腕上佩戴的設備來診斷糖尿病了，而不需要再測試血液和尿液。

將時間的指針撥回到2005年，那時只有頂尖運動員和重病患者才會使用心律傳感器。但今天，每五個美國人中就有一個佩戴了心律傳感器。這正是AI初創公司Cardiogram試圖找出心率和糖尿病之間關系的原因。在上周三于新奧爾良舉行的AAAI人工智能大會上，Cardiogram提出了一項研究成果，研究表明，通過Apple Watch中的心律傳感器和計步器可以很好地預測一個人是否患有糖尿病。當然，前提是必須搭配相應的機器學習算法。

過去一段時間，蘋果公司一直在關注其標志性可穿戴設備Apple Watch所扮演角色的變化——從“私人教練”逐漸蛻變成了“私人醫生”。去年11月，蘋果公司和健康保險公司Aetna達成了一項合作：作為降低醫療成本的試點項目的一部分，蘋果公司捐贈了超過50萬臺Apple Watch。它還和斯坦福大學共同進行了一項研究，測試Apple Watch監測不規則心跳的準確率（不規則心跳有可能導致中風和心臟病發作）。和Cardiogram、UCSF的合作，不過是蘋果公司在這方面的又一最新進展。Cardiogram是一家由前Google工程師創立的公司，總部位于舊金山。

Cardiogram開發了一個免費的APP，用于收集來自Apple Watch或集成了類似傳感器的， Fitbit、Garmin以及Android Wear等品牌可穿戴設備的心率數據。這個APP采用了與Google語音轉文字相同類型的神經網絡，對心率和步數等數據進行分析和闡釋。就數據本身而言，它們對疾病檢測幾乎毫無意義。這一方面是因為傳感器采集的數據存在偏差；另一方面是因為，要訓練出能識別特定特征的模型，必須先對數據進行標注。

要想搞清楚糖尿病患者的心率是什么樣的，先得找到一些糖尿病患者。這正是UCSF的價值所在，它于2013年啟動了一項名為Health eHeart的大型心臟病研究項目，旨在收集100萬人的大量數字健康數據。截至1月中旬，已經有19.6萬人參與了這項研究。每個參與者都會填寫一份關于其已知醫療狀況、家族史、藥物和血液檢查結果的調查問卷。其中大約有4萬人將它們的信息與Cardiogram應用進行了關聯。

Cardiogram公司的聯合創始人Brandon Ballinger，曾經是Google語音識別軟件的技術負責人。他說道：“這正是我們獲取數據標注的方式。從醫學的角度來說，每一份標注的數據都對應著一個垂危的病人，但對互聯網公司所做的事情來說，它只是很小的樣本。”

因此，Cardiogram不得不采用一些技術手段來訓練其神經網絡DeepHeart，幫助診斷人類疾病。其中就用到了半監督序列學習技術，這項技術最初是用來處理電商平臺Amazon上的產品下方的評論等文本數據的。只不過現在Cardiogram用它來處理一系列的心率測量值——每周約測量4000次。通過一些數學轉換之后，這些信息將變成一個概括心率變異性的單一數值。研究人員會將這些數值與患者的標注數據關聯，然后就可以開始正式的訓練了。

通過這種方法訓練出的模型，在識別非訓練組的糖尿病患者時，準確率達到了85%。這個成績與Cardiogram之前的一項成果非常接近。去年，Cardiogram和UCSF共同發布了一項研究成果，顯示DeepHeart可以基于Apple Watch收集的一周數據，預測高血壓、睡眠呼吸暫停和心房顫動等疾病，且準確率在80-90%之間。

那么，Cardiogram的算法究竟能不能在不直接測量血液含糖量的情況下預測糖尿病呢？誰也不知道。

Health eHeart項目的主要研究人員之一Mark Pletcher表示，“顯然，糖尿病是一種心血管疾病，但它和心率變異性并沒有明顯的生理聯系。當你在不懂底層原理的情況下用數據訓練機器學習算法時，你往往會得到一個結果，卻不明白它是怎么得出的。坦率的講，這讓我感到緊張。我們進行了很多內部討論，討論這到底是一種有效的診斷手段，還是無關的因素。目前我們還沒有得出結論。”

這也引起了心臟病專家兼斯克里普斯轉化科學研究所主任Eric Topol的警覺，Eric Topol曾經領導了NIH斥資數十億美元的精準醫藥行動的數字健康部門。他說道：“Cardiogram的研究同時具備生物學黑盒子和算法黑盒子的特點，是無法令人信服和站不住腳的。這最多只能算一種基于假設前提的研究。”假設的前提就是，DeepHeart發現了一種糖尿病的病理信號，但它發現的也可能是別的什么。

Ballinger很快反駁了這種批評和指責。他認為，如果可穿戴設備告訴主人他罹患糖尿病的風險在增加，這時候他去找醫生用傳統手段做進一步診斷，還是可以獲得很好的治療。萬一這個黑匣子可以幫助我們窺見一些門道呢？不過Ballinger也意識到，必須做一些前瞻性的驗證，才能證明人工智能的確是有效的。比如篩選出一些尚未診斷出患糖尿病的人，對它們進行跟蹤，觀察他們最后是否真的罹患了糖尿病。他表示，Cardiogram公司正在積極投入這方面的研究。

Cardiogram為Apple Watch和其他可穿戴設備開發的應用目前都是免費的。不過Cardiogram計劃今年晚些時候在應用中增加“用戶提醒”功能，向算法判定為有心房纖顫、高血壓、睡眠呼吸暫停和糖尿病的患者發送通知。由于目前該程序尚未通過FDA審核，所以它不會作為一個獨立的診斷，而只是一種建議。不過，如果保險公司認為這種建議可以讓患者盡早治療，節省醫療保險費用，或許也會為之買單。

鑒于這項研究缺乏足夠的說服力，Cardiogram未來還有很長的路要走。胃腸病學家兼衛生服務研究部主任Brennan Spiegel表示：“FDA肯定會審核準確率，此外，這些可穿戴設備是否真的可以改變患者的治療效果，目前也缺乏相關的數據支撐。創造一種技術并不是最難的，難的是如何運用這些技術改變病人的行為模式。這已經超出了計算機科學的范疇，來到了行為學和社會學的領域。”

不過Health eHeart 項目和Cardiogram的研究至少說明了一件事情，那就是人們對于醫療級的測量應用有著強烈需求。遺憾的是，對于一個健康的人來說，這些應用除了發送通知似乎就沒別的作用了。