加州大学旧金山分校的研究人员开发了一种“数字生物标志物”，该标志物将使用智能手机的内置摄像头来检测2型糖尿病(这是世界上导致疾病和死亡的最主要原因之一)，有可能提供一种低成本的家用替代品抽血和基于临床的筛查工具。

2型糖尿病影响全世界超过3200万美国人和4.5亿多人，并且可能增加影响几乎每个器官系统的疾病风险，包括冠心病，肾衰竭，失明和中风。在当前的大流行中，还发现它增加了COVID-19严重症状的风险。

但是，一半的糖尿病患者不知道自己的诊断和健康风险。

共同资深作者，心脏病学助理教授，医学博士，MPH的Geoffrey H. Tison博士说：“使用基于智能手机的无痛测试，能够检测出像糖尿病这样严重危害健康的疾病，这带来了许多可能性。 2020年8月17日，在自然医学专业学习。“愿景将是使用这样的工具来帮助识别罹患糖尿病的较高风险的人，最终帮助降低未确诊的糖尿病的患病率。”

研究人员说，利用智能手机中已经包含的技术，可以轻松部署的筛查工具可以迅速提高检测糖尿病的能力，其中包括传统医疗无法提供的人群。

根据世界卫生组织的数据，虽然糖尿病本身是全球第七大死亡原因，但它也大大增加了心脏病的风险，而心脏病是美国和世界范围内主要的死亡原因。美国疾病预防控制中心估计，罹患2型糖尿病的人死于心脏病的可能性是没有糖尿病的人的两倍。

首席作者，心脏病学临床医学硕士医学博士罗伯特·阿夫拉姆(Robert Avram)说：“糖尿病可能在很长一段时间内都没有症状，因此很难诊断。”“迄今为止，一直缺乏检测糖尿病的无创且可扩展的工具，这促使我们开发这种算法。”

在开发生物标记物时，研究人员假设智能手机摄像头可用于通过测量称为光电容积描记法(PPG)的信号来检测糖尿病引起的血管损伤，大多数移动设备(包括智能手表和健身追踪器)都能够获取这种信号。研究人员使用手机的手电筒和照相机通过捕获与每个心跳相对应的指尖颜色变化来测量PPG。

在《自然医学》研究中，UCSF研究人员从Health eHeart研究中的53,870名患者中获得了近300万笔PPG录音，这些患者使用了iPhone上的Azumio Instant Heart Rate应用程序，并报告已由医疗保健提供者诊断出患有糖尿病。该数据用于开发和验证深度学习算法，该算法使用智能手机测量的PPG信号检测糖尿病的存在。

总体而言，该算法可在两个单独的数据集中正确识别多达81%的患者中的糖尿病。当该算法在其他从现场诊所招募的患者数据集中进行测试时，它可以正确识别出82%的糖尿病患者。

该算法预测的患者中没有糖尿病，在整个验证数据集中确实有92%至97%没有该疾病。当这种基于PPG的预测与其他易于获得的患者信息(例如年龄，性别，体重指数和种族/民族)相结合时，预测性能会进一步提高。