Τεχνητή νοημοσύνη και εξατομικευμένη φροντίδα του διαβήτη

Τεχνητή νοημοσύνη και εξατομικευμένη φροντίδα του διαβήτη

Τεχνητή νοημοσύνη και εξατομικευμένη φροντίδα του διαβήτη

Η Hitachi, Ltd., το University of Utah Health (U of U Health) και το Regenstrief Institute, Inc. ανακοίνωσαν την ανάπτυξη μιας μεθόδου με τεχνητή νοημοσύνη (AI) για τη βελτίωση της φροντίδας για ασθενείς με σακχαρώδη διαβήτη τύπου 2 που χρειάζονται πολύπλοκη θεραπεία. Ένας στους 10 ενήλικες παγκοσμίως έχει διαγνωστεί με διαβήτη τύπου 2, αλλά ένας μικρότερος αριθμός απαιτεί πολλαπλά φάρμακα για τον έλεγχο των επιπέδων γλυκόζης στο αίμα και την αποφυγή σοβαρών επιπλοκών, όπως απώλεια όρασης και νεφρική νόσο.

Για αυτή τη μικρότερη ομάδα ασθενών, οι γιατροί μπορεί να έχουν περιορισμένη εμπειρία στη λήψη αποφάσεων ή καθοδήγηση βασισμένη σε στοιχεία για την επιλογή συνδυασμών φαρμάκων. Η λύση είναι η διεύρυνση του αριθμού των ασθενών για την υποστήριξη της ανάπτυξης γενικών αρχών που θα καθοδηγούν τη λήψη αποφάσεων. Ωστόσο, ο συνδυασμός δεδομένων ασθενών από πολλαπλές δομές υγειονομικής περίθαλψης απαιτεί βαθιά εξειδίκευση στην τεχνητή νοημοσύνη (AI) και ευρεία εμπειρία στην ανάπτυξη μοντέλων μηχανικής μάθησης χρησιμοποιώντας ευαίσθητα και πολύπλοκα δεδομένα υγειονομικής περίθαλψης.

Οι ερευνητές Hitachi, U of U Health και Regenstrief συνεργάστηκαν για να αναπτύξουν και να δοκιμάσουν μια νέα μέθοδο AI που ανέλυε δεδομένα ηλεκτρονικών αρχείων υγείας στη Γιούτα και την Ιντιάνα και έμαθε γενικεύσιμα μοτίβα θεραπείας ασθενών με διαβήτη τύπου 2 με παρόμοια χαρακτηριστικά. Αυτά τα μοτίβα μπορούν τώρα να χρησιμοποιηθούν για να βοηθήσουν στον καθορισμό ενός βέλτιστου θεραπευτικού σχήματος για έναν συγκεκριμένο ασθενή.

Μερικά από τα αποτελέσματα αυτής της μελέτης δημοσιεύονται στο ιατρικό περιοδικό Journal of Biomedical Informatics.

Πώς λειτουργεί η νέα μέθοδος

Η Hitachi εργαζόταν με την U of U Health για αρκετά χρόνια για την ανάπτυξη ενός συστήματος επιλογής φαρμακοθεραπείας για τη θεραπεία του διαβήτη. Ωστόσο, το σύστημα δεν ήταν πάντα σε θέση να προβλέψει με ακρίβεια πιο περίπλοκα και λιγότερο διαδεδομένα μοτίβα θεραπείας, επειδή δεν είχε αρκετά δεδομένα. Επιπλέον, δεν ήταν εύκολο να χρησιμοποιηθούν δεδομένα από πολλαπλές εγκαταστάσεις, καθώς ήταν απαραίτητο να ληφθούν υπόψη οι διαφορές στην κατάσταση της νόσου των ασθενών και στα θεραπευτικά φάρμακα που συνταγογραφήθηκαν μεταξύ των εγκαταστάσεων και των περιοχών. Για την αντιμετώπιση αυτών των προκλήσεων, την προσπάθεια ενίσχυσε η Regenstrief για να εμπλουτίσει τα δεδομένα με τα οποία εργαζόταν.

Η τεχνητή νοημοσύνη αρχικά ομαδοποιεί ασθενείς με παρόμοια νοσήματα και στη συνέχεια αναλύει τα μοτίβα θεραπείας και τα κλινικά τους αποτελέσματα. Στη συνέχεια, αντιστοιχίζει τον ασθενή που ενδιαφέρει για τις ομάδες της κατάστασης της νόσου και προβλέπει το εύρος των πιθανών αποτελεσμάτων για τον ασθενή ανάλογα με τις διάφορες θεραπευτικές επιλογές. Οι ερευνητές αξιολόγησαν πόσο καλά λειτούργησε η μέθοδος στην πρόβλεψη επιτυχών εκβάσεων με τα φαρμακευτικά σχήματα που χορηγήθηκαν σε ασθενείς με διαβήτη στη Γιούτα και την Ιντιάνα. Ο αλγόριθμος ήταν σε θέση να υποστηρίξει την επιλογή φαρμάκων για περισσότερο από το 83% των ασθενών, ακόμη και όταν δύο ή περισσότερα φάρμακα χρησιμοποιήθηκαν μαζί.

Στο μέλλον, η ερευνητική ομάδα αναμένει να βοηθήσει τους ασθενείς με διαβήτη που χρειάζονται σύνθετη θεραπεία στον έλεγχο της αποτελεσματικότητας διαφόρων συνδυασμών φαρμάκων και στη συνέχεια, με τους γιατρούς τους, να αποφασίσουν ένα σχέδιο θεραπείας που τους ταιριάζει. Αυτό θα οδηγήσει όχι μόνο σε καλύτερη διαχείριση του διαβήτη αλλά και σε αυξημένη συμμόρφωση και ποιότητα ζωής των ασθενών.

Με πληροφορίες από Medical Xpress

Σχετικά άρθρα

Μάθε πρώτος τα τελευταία νεα

Κάνε Subscribe στο newsletter μας

Θα λαμβάνεις δύο newsletter κάθε μήνα. Απεγγράψου όποια στιγμή θες εσύ. 

Μάθε πρώτος τα τελευταία νεα

Κάνε Subscribe στο newsletter μας

Θα λαμβάνεις δύο newsletter κάθε μήνα. Απεγγράψου όποια στιγμή θες εσύ. 

Skip to content