了解糖尿病外侧动脉疾病

近缘动脉疾病(PAD)是一种渐进循环状态,收缩后动脉会减少流向四肢,最常见的是腿部的血液. 在糖尿病患者中,由于高血糖,胰岛素抗药性,以及相关代谢功能障碍等加速了心肌硬化的综合作用,PAD的发病风险显著提高. 流行病学数据显示,50岁以上糖尿病患者约有三分之一有某种形式的PAD,然而,许多人在症状严重前仍未诊断出.

长期性赞美、休眠、不治愈溃疡、最终断肢都是可能的结果,这种疾病也是广泛出现心血管疾病的一个标志,增加了心脏病发作和中风的风险,因此,早期发现不仅对维护肢体功能,而且对降低糖尿病人群心血管总死亡率都至关重要。

传统的诊断方法,如脚踝-骨骼指数(ABI)测量、双倍超声波学和对比血管造影学是有效的,但需要门诊、专门设备和受过培训的人员。 这些突发性评估可能错过了在访问之间发生的动态变化。 由互联网“物联网”所启用的持续监测技术解决了这一差距,提供了从被动式血管护理向主动式血管护理的范式转变。

现代保健中的事情互联网

互联网“Tthings”是指一个包含传感器、软件和连接物的物理物体网络,这些物体可以收集和交换数据。 在医疗保健领域,IOT应用包括智能吸入器和连续葡萄糖显示器,以及可穿戴的心包和相接的药瓶。 这些设备生成了一系列连续的生理数据,可以安全地传输给医疗保健提供者,从而能够进行实时临床决策。

治疗IOT的核心价值在于它能够将治疗范围扩大到床边以外。 病人在日常活动期间可以在自己的家中接受监测,从而获得的数据比诊所的快照更能反映他们的真实功能状态。 这一转变对于糖尿病PAD等慢性病来说特别有价值,因为这种疾病在外周循环或流动的微妙变化可能预示着疾病在预定预约前几周的蔓延。

互联网技术平台还包含高级分析、机器学习算法和基于云的存储,将原始传感器数据转化为可操作的洞察力。 当与HL7 FHIR和端端加密等安全通信协议相结合时,这些系统可以与电子健康记录(EHRs)无缝地融合,允许临床医生监测趋势,并在阈值被突破时获得警报。 随着技术的成熟,互联网技术正在成为基于价值的护理模式的基石,这些模式将预防和慢性病管理作为优先事项。

诊断出糖尿病外侧动脉疾病

IOT应用于PAD检测,可以发挥一些可以持续进行非入侵测量的生理参数的作用。 下面是最有前途的传感器模式及其在早期识别糖尿病PAD中的作用。

血液动力学监测可穿戴传感器

微型多普勒超声波和光通透镜(PPG)的进步使得使用小型可穿戴的补丁或袖口评估血液流成为可能,这些设备在脚踝或手腕上测量动脉波形,实时计算出脚踝-布拉奇尔指数或脚趾-布拉奇尔指数等指数,有些系统还评估了脉冲体积记录和相干氧张力,提供了外周输血的全面图象.

临床研究表明,通过穿戴感应器持续进行ABI监测可以发现在症状临床明显前几天到几周内四肢被渗透的下降。 例如,2022年的一项试点研究在糖尿病患者身上使用蓝牙的ABI袖标,显示出了92%的敏感性,可以检测出新的PAD事件,而标准双倍超声波(参考文献:“使用可穿戴设备持续安克勒-布拉奇指数监测 ” , 《血管外科杂志》,2022]。 这些数据允许临床医生更早地干预医疗、运动治疗或再血管化程序。

热成像和皮肤温度分析

周边渗透不足往往导致局部温度变化。IoT-驱动的热传感器,无论是基于接触的(热电路补丁)还是非接触的(红外相机),都可以跟踪四肢多处的皮肤温度。 与参考点相比,脚上2°C以上的下降与重大动脉激化有关。 受过温度梯度培训的机器学习模型现在能够识别出与常规ABI测试相当的准确度的“危险四肢 ” 。

温室效应(TempetTouch)是这个病人一夜之间脚上穿戴的无线热感应器,它的数据被传送到一个温度不对称趋势自动被标出出云平台。 在 Diabetes Care[(2023)中发表的一次预期试验报告,热能监测将高风险糖尿病患者的脚溃疡发病率降低了60%,部分是通过早期检测底部PAD。

移动和盖特评估

发自PAD经常改变一个人的行走规律,因为其补偿了夸张疼痛或肌肉强度下降。 含有加速计、陀螺仪和磁强计的惯性测量单元(IMU)可以嵌入鞋、隐形物或脚踝带来捕捉步态长度、胆量和地面反应力。 这些参数可以分析以检测显示异血症的微妙变化。

2021年的一项使用有蓝牙连接的智能入声的研究发现,经确认的PAD患者行走时步道比控制快得多,且步入时间变化较大,算法在接收器操作特征曲线(AUC)下达到了0.88的识别PAD区域,通过提醒患者和提供者注意步态恶化,这些设备可以提前评估,并跟踪对治疗方法的反应,如监督锻炼训练.

与人工智能和云分析器的融合

原始传感器数据必须经过处理才能产生临床上有意义的信息。 IOT平台越来越多地采用AI模型 — — 特别是深层学习和梯度-促进算法 — — 结合多种传感器输入(血动力学、温度、运动)生成单一风险分数。 这些模型可以解释环境温度、药物时间和活动水平等混乱因素,减少虚假的警报。

比如,斯坦福大学的一个研究小组开发了一个多传感器系统,利用一个演化神经网络将PPG、温度和IMU数据相接。 在150名糖尿病患者的组群中,该模型检测出敏感度为94%而特异性为89%的PAD(被定义为ABI < 0.9),它单靠任何传感器来表现。 该系统运行在一个基于智能手机的网关上,将识别数据上传到云端服务器进行分析,结果被推入患者的EHR和提供者仪表板。

远程病人监测平台

基于IoT-的PAD检测成功最终取决于配套基础设施. 远程患者监测(RPM)平台,如由健康催化剂和BioSensics[提供的平台,为IoT数据的汇总,存储和可视化提供了软件骨干. 临床医生在传感器读取已预先设定的阈值时会收到可配置的警报,从而能够及时进行电话咨询,药物调整,或紧急转诊给血管专家.

RPM平台也支持患者参与,在患者移动设备上直接显示趋势图表、教育内容和目标设定。 这个反馈循环鼓励遵守监测协议和健康行为。 《医学互联网研究杂志》[ (2023) 中的一项系统审查得出结论,PAD的RPM干预比通常的护理平均提高了3.2周的诊断时间,病人满意分也很高。

临床证据和真实世界的执行情况

多个医疗系统已经开始部署基于IoT-Q的PAD检测方案。 Kaiser Normane的综合护理模式采用了基于家的ABI袖标和对有前足并发症的糖尿病患者的活动跟踪器相结合。 2023年内部审计的早期结果显示,针对严重肢缺血症的急诊检查减少了35%,注册患者的截肢率下降了22%。

在欧洲,欧盟资助的PAD-IOT项目(pad-iot.eu )目前正在试行多中心试验,将可穿戴传感器与临床决策支持系统结合起来,预计在2025年完成,目的是验证持续监测的成本效益,以达到标准筛选间隔,初步分析表明,IOT方法每获得一个质量调整后的生命年估计可节省4 200欧元,使其成为卫生系统的一个令人信服的价值主张。

尽管这些有希望的数据,但将数据转换成常规临床实践仍然不均衡。 障碍包括设备成本、可变保险补偿、遗留的紧急人力资源的互操作性挑战、以及需要临床医生数据解释培训。 然而,随着证据库的不断增长,以及林业发展局等监管机构发布更明确的软件“医疗分类”准则,预计采用程序的速度将会加快。

效益和挑战

福利

  • 耳机诊断:持续监测捕获出血动力学或热能变化最早,往往在症状出现之前.
  • 减少截肢风险: 及时干预可以扭转或稳定动脉疾病,在高风险人群中,可能减少30-50%的肢体损失。
  • 低水平医疗费用: 防止急性异血症、再血管化和截肢的住院可节省大量费用。 德洛伊特2022年的一项分析估计,广泛进行糖尿病PAD的IOT监测每年可节省美国医疗系统12亿美元。
  • 个人化,数据驱动的护理: 临床医生可以根据患者的实时生理状况,对抗乳胶疗法进行裁剪,进行处方,并进行甘油靶.
  • 改善患者的接诊:患者成为血管健康的积极参与者,可以直接获取自己的数据并获得可操作的反馈.

挑战

  • 数据超载和警报疲劳:不进行智能过滤,连续的传感器数据流会使提供者被覆盖. AI-基于优先级和分级的警报对于维持可用性是必要的.
  • 设备精度和耐用性:可穿戴传感器必须在日常活动中保持准确,能抵抗出汗和出湿,并保持电池寿命较长. 传感器漂移和电池技术目前的限制限制了采用.
  • 补偿和监管障碍: 许多基于IoT-的PAD设备属于不确定的偿还类别。 在美国,Medicare的远程监测代码(CPT 99453 ⁇ 4)涵盖一些RPM服务,但并不总是适用于PAD-特定传感器。 需要FDA和Medicare和Medicaid Services(CMS)的更清晰的路径。
  • 公平和接入: 互联网、智能手机或数字化知识不可靠的患者可能被排除在外。 如果只有富裕的卫生系统才有IOT解决方案,社会经济差距可能扩大。
  • 隐私和安全: 持续传输健康数据引起对网络安全和HIPAA合规性的关切. End-to-to-end加密,定期安全审计,以及透明的同意程序至关重要.

未来方向和创新

下一代基于IoT-的PAD检测将受到若干新兴技术的塑造。 智能纺织 — — 由导电纤维和微传感器所织的制造器 — — 能够真正进行不受干扰的监测。 麻省理工学院研究人员开发的一顶原型智能袜子已经证明了同时测量平地温度、局部压力和电阻的能力,通过导电线天线传输数据。

边缘计算通过直接对可穿戴设备进行初步分析,会减少对延时和带宽的要求. IEEE Internet of Ththings Journal的一项研究显示,基于边缘的PPG处理器可以精确度为91%的ABI类别分类,同时能耗能能只有80毫瓦,与依赖云的系统相比电池寿命会增加三倍.

与连续的葡萄糖监测器(CGM)和胰岛素泵的结合,为针对所发现的输血变化优化甘油控制而打开了闭锁--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

最后,数字双子技术 — — 创造了每个患者血管系统的虚拟复制品 — — 可以实时IOT数据流模拟疾病进展和治疗反应。 Mayo诊所的实验方案正在利用数字双胞胎预测哪些糖尿病患者在未来12个月内会发展出严重的肢体缺血症,在早期验证中达到0.93的AUC。 这种预测模型将赋予真正的预防医学力量。

结论

易感性诊断(IOT)正在从根本上改善糖尿病外侧动脉疾病的检测,将重点从基于癫痫的临床评估转移到基于家居的连续监测。 能够捕捉出出出血动力、热信号和步态的可穿戴传感器,再加上AI分析学和远程病人管理平台,可以更早地进行干预和更个性化的护理。 尽管成本、互操作性和公平性方面的挑战依然存在,但积累的临床证据和技术创新的快速步伐表明,基于易感性诊断(IOT)的PAD检测很快将成为全世界糖尿病管理的标准组成部分。 对于数百万可能丧失肢体的患者来说,这些进步为更长久、更健康、更移动的生活提供了一条切实的途径。