Непрерывный мониторинг уровня глюкозы (CGM) в сочетании с искусственным интеллектом позволяет не только отслеживать уровень сахара в крови у людей с диабетом,
но и выявлять тех, кто подвержен риску этого заболевания.
Исследование показало, что всего за 12 часов профили уровня глюкозы предоставили прогностической модели достаточно информации, чтобы различать диабетиков, преддиабетиков и здоровых людей.
Инструмент может быть использован для мониторинга и раннего скрининга диабета, особенно в сценариях, связанных с удаленным или виртуальным лечением, и дать медицинским бригадам шанс обратить вспять течение заболевания.
Результаты были представлены на тридцать шестой конференции NeurIPS 2022 по системам обработки нейронной информации в Новом Орлеане, штат Луизиана.
"Мы были больше всего удивлены способностью нашей модели машинного обучения проводить точные оценки на основе такого ограниченного объема клинической информации”, - сказала ведущий исследователь Джоухен Чон, доктор философии, главный исследователь Klick Applied Sciences.
Она рассказала Inside Precision Medicine, что первоначальная цель состояла в том, чтобы вдвое сократить стандартное время наблюдения до семи дней.
“Таким образом, запись CGM всего за 12 часов при сохранении высокой точности была действительно феноменальным, неожиданным результатом, который имеет огромный потенциал для ускорения профилактики диабета”, - сказала она.
Преддиабет определяется аномальным гомеостазом глюкозы, таким как нарушение уровня глюкозы натощак и нарушение толерантности к глюкозе.
Несмотря на то, что его все чаще называют критическим метаболическим состоянием, около 90 процентов взрослых американцев с преддиабетом остаются в неведении о своем состоянии.
Чтобы определить, может ли ИИ помочь, команда использовала CGM для измерения уровня глюкозы в крови у 436 человек, набранных из четырех штатов Индии, когда они занимались своей повседневной жизнью.
Из них у 172 был выявлен диабет 2 типа с уровнем гликированного гемоглобина более 6,5%, у 87 был преддиабет с уровнями от 5,5% до 6,5%, и 177 были определены как здоровые люди с уровнем ниже 5,5%.
CGM измерял уровень глюкозы в крови каждые 15 минут в течение максимум 14 дней, а также выдавал предупреждения о гипо- или гипергликемических явлениях и предоставлял информацию о вариабельности уровня глюкозы.
Сигналы CGM от 70% участников использовались для обучения и проверки прогностических моделей, в то время как остальные 30% участников использовались для тестирования производительности модели.
Базовая модель, которая включала демографические данные, такие как пол, возраст, вес, рост и индекс массы тела, имела общую сбалансированную точность (BCC) 0,48 и площадь под кривой (AUC) для выявления пациентов с преддиабетом 0,49.
Модели на основе CGM улучшили общий ОЦК на 140% и AUC на 122% по сравнению с этим.
Модели на основе CGM также в 1,21, 1,34 и 1,17 раза более способны идентифицировать диабет 2 типа, преддиабет и здоровых людей соответственно.
12-часовая модель была выполнена конкурентно по сравнению с более длительными моделями. Он показал общую ОЦК 0,67, что было эквивалентно производительности модели с использованием сигналов CGM в режиме реального времени, и имел общую AUC 0,78. У него был AUC 0,69 для выявления преддиабета.
Управляющий директор по исследованиям и разработкам Klick Applied Sciences Майкл Либерман, доктор философии, признал, что еще предстоит проделать большую работу, прежде чем модель можно будет использовать для повседневного ведения пациентов.
“Мы рассматриваем эти результаты как очень интересный первый шаг, но он потребует дальнейшей проверки, прежде чем кто-либо сможет начать думать о том, чтобы использовать это в клинической практике”, - сказал он Inside Precision Medicine.
“Мы работаем с академическими и коммерческими партнерами, чтобы предпринять следующие шаги, и с нетерпением ждем потенциальных реальных приложений”.
