基于机器学习和人工智能的糖尿病检测和自我管理：系统评价外文翻译资料-综述翻译网

基于机器学习和人工智能的糖尿病检测和自我管理：系统评价

关键词：糖尿病、机器学习、人工智能、性能指标、Scopus数据库

1.介绍

生物技术发展的重点是经济的数据生产以及不断促进高通量计算快速发展，致力于将计算生物学研究带入大数据世界。主要目标是调查日益增长的生物数据，并建立框架以增加对医学和生物学基本查询的响应。这些技术的效率和可靠性来自于从数据中识别表单和创建模型的正确方法的能力。最重要的研究应用之一是威胁人类的疾病预后和治疗，糖尿病 (DM) 就是这样一种疾病。

DM 是该国老年人最普遍的疾病之一。根据国际糖尿病联合会的信息，2017 年全球有4.51亿人患有糖尿病。预计这一数字将在未来26年内上升到6.93亿公民。DM 的主要原因仍不清楚，但研究人员认为环境和遗传因素在 DM 中起重要作用。虽然它是无法治愈的，但可以使用药物来控制它。患有 DM 的人有出现其他健康并发症的危险，例如心脏骤停和器官损伤。DM 的早期发现和管理将避免并发症的发生并有助于减少对健康问题的威胁。

DM的诊断可以由医生手动完成，也可以由自动装置完成。任何这些形式的 DM 测量都包含优点和缺点。手动诊断的主要优点是它不需要机器的任何帮助来进行 DM 检测程序，从而使医疗专业人员成为该领域的专家。通常 DM 在其初始阶段的症状很低，以至于即使是有经验的医生也无法完全识别它们。由于机器学习 (ML) 和人工智能 (AI) 的进步，自动化程序在初始阶段的疾病检测和诊断比手动 DM 识别方法更有可能和更有效，好处包括减少了医生的工作量，减少了人为故障的风险。DM 领域的发展基于实验室评估、患者报告、治疗、随访、药物等的大数据。很难适当地人工整理所有数据。由于不适当的数据管理，数据组织的质量受到影响。数据量的提高需要一些合适的方法来有效地提取和处理数据。现代和新型医院都使用数据采集和检查机器，使其能够在大信息系统中进行数据采集和共享。与手动检测和诊断相比，自动化设备能够以更好的简单性和可靠性来识别 DM 和处理异常。因此，DM 诊断的自动化很重要。自动化 DM 系统可以通过机器学习方法或人工智能方法构建。

所有ML 和 AI 方法都有其自身的优点和局限性。因此，这两种方法都被用于构建自动 DM 检测系统。基于 AI 和 ML 的技术需要可因果性和可解释性才能像人类一样执行。人工智能系统的解释能力有助于提高医生对未来人工智能系统的信心。因果关系基于因果模型，该模型根据效率、与因果理解相关的有效性及其对用户的透明度来衡量。近年来，一些研究人员已将 ML 和 AI 方法用于 DM 控制以及自我管理和个性化。然而，目前发表的关于DM检测和诊断程序的综述论文很少。

这篇评论文章的主要贡献是在 DM 检测、诊断、自我管理和个性化方面考虑了 ML 和基于 AI 的方法。众所周知，这是第一篇涵盖 ML 和 AI 的评论文章，用于 DM 的检测、诊断和自我管理以及 DM 治疗的个性化。评论论文是相关的，因为它们以详细的方式总结了特定领域的当前研究。此外，作者只研究了 ML 程序，但 ML 的某些基本方面，如用于识别 DM 和 AI 解决方案以满足智能 DM 助手需求的数据库、预处理方法以及特征提取和选择的方法，并未得到解决。因此，在这种分析的意义上，已经尝试检查关于 DM 研究的 ML 和 AI 方法的现有文献。

由于 DM 检测和诊断以及自我管理和个性化系统的多样性和复杂性，系统的决策框架用于从 Scopus 和 PubMed 数据库中选择论文。这个框架的目的包括，（1）数据集描述，（2）预处理技术，（3）DM特征选择方法，（4）使用ML方法的DM检测，（5）使用AI方法的智能DM助手和（6）性能矩阵。经过彻底的探索程序，共从 Scopus 和 PubMed 数据库中列出了 107 项当前相关的重要研究。预计这篇综述将使 DM 检测和诊断以及自我管理和个性化学科领域的研究界受益。本次审查的主要分析目标是：

1.DM 检测领域可公开访问和自行创建的数据集。

2.适用于 DM 数据集的预处理方法。

3.在 DM 检测领域广泛使用 ML 特征提取技术。

4.广泛使用基于 ML 的技术来检测、分类和诊断 DM。

5.广泛使用基于 AI 的智能 DM 助手技术，用于 DM 治疗的自我管理和个性化。

6.用于评估 DM 检测和诊断算法的性能矩阵。

7.未来在 DM 检测和诊断领域工作的科学家需要解决的研究方向。

审查以这种方式组织：第 2 部分简要介绍了 DM 疾病，第 3 部分提供了不同的机器学习 (ML)、人工智能 (AI) 和知识探索技术。第 4 节提供了用于选择文章的研究方法，第 5 节提供了对 DM 领域研究人员使用的数据集的回顾，第 6 节介绍了预处理技术，第 7 节介绍了特征选择和分析，第8节对 DM 领域的 ML 和 AI 技术进行了回顾。本节包括对用于 DM 检测和诊断、分类和诊断的 ML 技术的详细回顾，以及对基于 AI 的智能 DM 辅助和不同性能测量分析的回顾。第 9 节是讨论，然后是第 10 节，它提供了与 DM 相关的一些未来范围和挑战。第 11 节总结了本文。

2.糖尿病

糖尿病 (DM)，有时也称为糖尿病，是一种包括身体如何将食物转化为内在能量的各种疾病的概念。一旦人们食用食物，身体就会将其转化为称为葡萄糖的糖，并将其转移到血液中。胰腺产生胰岛素，这是一种激素，可将葡萄糖从血液转移到利用它获取能量的细胞。

如果您患有 DM 并且不寻求药物治疗，那么身体就不会像它那样产生胰岛素。体内存在大量葡萄糖，这种疾病通常称为高血糖，它可能引发严重或危及生命的健康问题。DM 以各种方式发展，具体取决于来源。

2.1 . 糖尿病前期

每当血糖升高到高于应有的水平时，就会发生前驱糖尿病，但仍然不足以让医生识别出糖尿病。对于前驱糖尿病，二型糖尿病和心脏病的风险会增加。进一步锻炼并减少多余的体重，有时少于体重的5%-7%，将减少这些危险。

2.2 . I型糖尿病

I型糖尿病通常被称为胰岛素依赖型糖尿病。这也称为青少年发病 DM，因为它经常发生在婴儿期。I型糖尿病是一种自身免疫性疾病。当身体用抗体威胁胰腺时，就会发生这种情况。该器官功能减弱，不产生胰岛素。身体基因会导致这种糖尿病。这也可能是由于胰腺中产生胰岛素的细胞出现并发症。由于肾脏（糖尿病性肾病）、眼睛（称为糖尿病性视网膜病变）和神经（糖尿病性神经病变）狭窄血管的破坏，I 型可能发生的许多健康问题。任何 I 型患者通常更容易发生心力衰竭和中风。

2.3 . II型糖尿病

II型糖尿病被称为非胰岛素依赖型糖尿病或成人型糖尿病。然而，在过去的 20 年里，它在儿童和青少年中普遍存在，主要是因为越来越多的年轻人肥胖或超重。大约 90% 的患者患有 II 型糖尿病。

当您患有 II 型糖尿病时，胰腺通常会释放一些胰岛素。然而，要么缺少，要么身体没有像它那样利用它。II型糖尿病也比I型糖尿病相对温和。然而，它也可能导致严重的健康问题，特别是在神经、肾脏和眼睛的小血管中。II型也增加了中风和心力衰竭的机会。

那些超重的人 ——由于身高比理想体重高出 20% 以上——患 II 型糖尿病和可能发生的健康并发症的几率非常高。肥胖还会引起胰岛素抵抗，胰腺必须更努力地发挥作用才能产生更多的胰岛素。

2.4 . 其他形式的糖尿病

在 1% 到 5% 的糖尿病患者中，起源可能是其他因素。那些患有胰腺疾病、有其他手术和药物以及疾病的情况下，医生可能需要密切关注血糖水平。

虽然在过去的几十年中，全面的 DM 研究在 a) 病因病理学（细胞机制和环境或遗传原因）、b) 诊断和 c) 疾病检测、诊断和控制方面产生了大量信息，但仍有更多信息有待发现、展开和解释并划定。在这一尝试中，依靠大量、快速且日益增长的临床证据和研究，有助于为有效的评估和随访提供坚实的基础。因此，ML 和 AI 似乎是核心技术，对临床决策具有重要意义。因此，目标是将数据评估与药物实施和应用中的治疗与明智决策联系起来。

3 . 机器学习、人工智能和知识探索

ML 和 AI 是一门研究学科，涉及计算机从经验中学习的方式。对于某些研究人员来说，“ML”这个短语是 “AI”的一部分，前提是学习能力是一个智力个体的粗略属性。机器学习的目标是开发能够从之前的观察中学习和响应的计算机系统。人工智能的目标是开发一种智能代理或助手，使用不同的基于机器学习技术的解决方案。

数据库中的知

剩余内容已隐藏，支付完成后下载完整资料