Применение нейронных сетей для неинвазивного определения уровня гликированного гемоглобина на примере инновационного портативного глюкометра в клинической практике

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. В последнее десятилетие интерес к неинвазивному мониторингу уровня гликемии значительно возрос [1]. Это обусловлено стремлением снизить дискомфорт пациентов, а также риск инфекций, связанных с традиционными инвазивными методами [2]. Рамановская спектроскопия, считающаяся перспективной для неинвазивных измерений [3], в сочетании с машинным обучением может привести к более точным и быстрым способам диагностики состояний, связанных с нарушениями гликемии [4].

Цель — создание и валидация нового портативного глюкометра на основе Рамановской спектроскопии с использованием методов машинного обучения для неинвазивного определения уровня гликированного гемоглобина (HbA1c).

Материалы и методы. Исследование проводилось на выборке из 100 добровольцев различной возрастной группы и пола, с различным статусом здоровья, включая людей с сахарным диабетом 1-го, 2-го типов и без него. Для сбора данных использовался разработанный нами портативный прибор, основанный на регистрации Рамановских спектров с лазерным возбуждением 638 нм. Данные анализировались с использованием нейронных сетей Support Vector Machine [5].

Результаты. После обработки спектроскопических измерений с использованием Support Vector Machine, система показала сравнимые с традиционными методами (такими, как высокоэффективная жидкостная хроматография) чувствительность (95,7%) и специфичность (84,2%) в определении уровня HbA1c [6]. Выявлено, что алгоритм достаточно адаптивный и может быть использован в широком диапазоне типов кожи, вне зависимости от возраста и пола участников. Результаты указывают на возможность использования разработанного прибора в клинической практике.

Заключение. Разработанный портативный глюкометр на основе Рамановской спектроскопии в комбинации с алгоритмами машинного обучения может стать обнадёживающим шагом к неинвазивному и непрерывному мониторингу уровня гликемии у пациентов с сахарным диабетом.

Об авторах

Екатерина Ефимовна Поликер

Первый Московский государственный медицинский университет имени И.М. Сеченова

Автор, ответственный за переписку.
Email: katepoliker@gmail.com
ORCID iD: 0000-0002-9610-4511
SPIN-код: 3735-2532
Россия, Москва

Константин Александрович Кошечкин

Первый Московский государственный медицинский университет имени И.М. Сеченова

Email: koshechkin_k_a@staff.sechenov.ru
Россия, Москва

Александр Михайлович Тимохин

Первый Московский государственный медицинский университет имени И.М. Сеченова

Email: data.sup@ya.ru
Россия, Москва

Екатерина Вячеславовна Клюкина

Первый Московский государственный медицинский университет имени И.М. Сеченова

Email: katerina-klyukina@mail.ru
Россия, Москва

Екатерина Дмитриевна Белякова

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: belyakova_e_d@student.sechenov.ru
Россия, Москва

Артем Михайлович Бровко

Московский физико-технический институт (национальный исследовательский университет)

Email: ambrovko@mail.ru
Россия, Москва

Алина Сергеевна Лалаян

Московский государственный университет имени М.В. Ломоносова

Email: hemotech.ai@mail.ru
Россия, Москва

Александра Сергеевна Ермолаева

Первый Московский государственный медицинский университет имени И.М. Сеченова

Email: a.s.arkhipova@inbox.ru
Россия, Москва

Список литературы

  1. Demircioglu N., Erdogan I., Ersoy Y.E., Abbasoglu A.A. Raman spectroscopy for the non-invasive detection of glycated haemoglobin: A systematic review // Advances in Clinical Chemistry. 2019. Vol. 88. P. 71–90.
  2. Chen L., Wang J., Yan X., Chen H., Ni X. Non-invasive measurement of hemoglobin A1c using Raman spectroscopy // Analytical Methods. 2019. Vol. 11, N 37. P. 4743–4750.
  3. Ibtehaz N., Chowdhury M.E.H., Khandakar A., et al. RamanNet: a generalized neural network architecture for Raman spectrum analysis // Neural Comput & Applic. 2023. Vol. 35. P. 18719–18735. doi: 10.1007/s00521-023-08700-z
  4. Yin C., Wang X., Xu H., et al. Raman spectroscopy-based noninvasive glycated hemoglobin detection in blood samples: A machine learning approach // Analytical Chemistry. 2021. Vol. 93, N 7. P. 3273–3279.
  5. González-Viveros N., Castro-Ramos J., Gómez-Gil P., Cerecedo-Núñez H.H. Characterization of glycated hemoglobin based on Raman spectroscopy and artificial neural networks // Spectrochim Acta A Mol Biomol Spectrosc. 2021. Vol. 247. P. 119077. doi: 10.1016/j.saa.2020.119077
  6. Trenerry M.I., et al. Validation of high-performance liquid chromatography assays for determination of glycated hemoglobin in diabetic studies // Clinica Chimica Acta. 1996. Vol. 246, N 1-2. P. 91–102.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Эко-вектор, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».