AI skutecznie diagnozuje wystąpienie cukrzycy typu 2

AI skutecznie diagnozuje wystąpienie cukrzycy typu 2

Naukowcy wraz ze sztuczną inteligencją opracowali nowy model AI, który potrafi diagnozować cukrzycę typu 2 na podstawie zaledwie 12-godzinnych danych profilu glukozy. Jeśli model zostanie zweryfikowany i zostanie udowodnione, że działa na dużą skalę, może pomóc lekarzom w szybszym rozpoznawaniu tej choroby, zanim dojdzie do upośledzenia tolerancji glukozy.

Cukrzyca typu 2 dotyka około 463 milionów ludzi na całym świecie. Choroba ta może uszkodzić narządy, upośledzić ich funkcje lub, co gorsza, jeśli nie jest leczona, prowadzić do poważnych komplikacji, takich jak uszkodzenie oczu, nerek, ośrodkowego układu nerwowego i serca.

W badaniu przeprowadzonym w Indiach naukowcy wykorzystali zestaw danych od 436 uczestników, którzy nosili urządzenie CGM (Continuous Glucose Monitoring), pomagające osobom z cukrzycą łatwo i regularnie monitorować poziom cukru we krwi. Przez 12 dni nosili oni urządzenia, które monitorowały i śledziły poziom cukru we krwi. Poza danymi CGM, zebrano również informacje o płci, wieku i BMI uczestników. W tej grupie 172 osoby miały już zdiagnozowaną cukrzycę typu 2, 87 miało stan przedcukrzycowy, a 177 osób było zdrowymi dorosłymi.

Naukowcy stworzyli modele AI do przewidywania poziomu glukozy we krwi na podstawie danych zebranych przez ciągłe monitorowanie glukozy (CGM). Okna danych obejmowały czasy trwania 12, 24, 72, 168 i 288 godzin. Po przeanalizowaniu danych naukowcy odkryli, że dane CGM były 1,21, 1,34 i 1,17 razy dokładniejsze niż proste dane demograficzne w rozpoznawaniu cukrzycy typu 2.

Wyniki te sugerują, że 12-godzinny model jest wystarczająco dokładny, aby pomóc w wykrywaniu cukrzycy typu 2 we wczesnym stadium, zanim dojdzie do upośledzenia tolerancji glukozy. Może to być szczególnie przydatne w krajach, gdzie dostęp do lekarzy specjalistów i badań jest ograniczony.

Artykuł na podstawie: https://odsc.medium.com/new-ai-model-predicts-the-onset-of-type-2-diabetes-within-12-hours-e01f5fb23ba1

Dodaj komentarz

dziesięć − 7 =