- Komisja Europejska, opierając się na wynikach nowych badań, poinformowała, że uczenie maszynowe może pomóc przewidzieć niedostateczną kontrolę glikemii u pacjentów z cukrzycą typu 2
- Naukowcy przez sześć lat przyglądali się kontroli glikemii u ponad 9,6 tys. pacjentów z cukrzycą
- Kontrolę glikemii u pacjentów określano na podstawie długoterminowego stężenia glukozy we krwi, oszacowanego za pomocą hemoglobiny A1c (HbA1c)
- Badacze odkryli, że niewystarczającą kontrolę glikemii można przewidzieć na podstawie danych, które są rutynowo gromadzone w ramach standardowego monitorowania cukrzycy i leczenia
Cukrzyca wpływa na światową gospodarkę
Cukrzyca typu 2 dotyka ponad 500 milionów ludzi na całym świecie. W 2021 r. powikłania wynikające z tej choroby kosztowały światową gospodarkę około 900 mld euro, a liczba ta ma wzrosnąć jeszcze bardziej w przyszłości wraz ze wzrostem starzenia się populacji i pogłębiającej się otyłości, niezdrowej diety i braku aktywności fizycznej. Pacjenci z cukrzycą typu 2 mają różny stopień insulinooporności i problemy z wydzielaniem insuliny, co oznacza, że intensywność leczenia i wykorzystanie świadczeń opieki zdrowotnej różnią się w każdym przypadku.
Jak podkreśla Komisja Europejska, istnieje pilna potrzeba optymalizacji leczenia i zindywidualizowania modeli predykcyjnych poprzez budowanie ich na charakterystyce pacjenta. Wyniki nowego badania mogą pomóc w lepszym zrozumieniu problemów pacjentów z cukrzycą typu 2.
Przez 6 lat naukowcy przyglądali się kontroli glikemii ponad 9,6 tys. pacjentów z cukrzycą
W badaniu przeprowadzonym w ramach finansowanego ze środków Unii Europejskiej projektu HTx, wykorzystano uczenie maszynowe do identyfikacji pacjentów z niedostateczną kontrolą glikemii.
– Identyfikacja grup pacjentów z problemami z regulacją cukrzycy typu 2 stanowi narzędzie, które może pomóc lekarzom w dalszym planowaniu leczenia, co daje również możliwość optymalizacji wykorzystania zasobów opieki zdrowotnej. Bardziej intensywną opieką można otoczyć pacjentów z problemami w utrzymaniu efektów leczenia, podczas gdy osoby z odpowiednimi, optymalnymi wartościami HbA1c mogą rzadziej monitorować ten poziom – zauważają autorzy badania.
Przez sześć lat naukowcy przyglądali się kontroli glikemii ponad 9,6 tys. pacjentów z cukrzycą typu 2 w regionie Północnej Karelii w Finlandii. Kontrolę glikemii u pacjentów określano na podstawie długoterminowego stężenia glukozy we krwi, oszacowanego za pomocą hemoglobiny A1c (HbA1c).
Technologia pozwoli na identyfikację pacjentów z utrzymującym się ryzykiem hiperglikemii
Na podstawie danych zespół zidentyfikował trzy trajektorie HbA1c w ciągu 6 lat. W przypadku 86,5 proc. kontrola glikemii była stabilna i odpowiednia, w przypadku 7,3 proc. była lepsza, ale niewystarczająca, a u 6,2 proc. uznano ją za zmienną i nieodpowiednią. Związek wyjściowych cech pacjentów, czynników klinicznych i związanych z leczeniem oraz statusu społeczno-ekonomicznego z kontrolą glikemii oceniano za pomocą metod uczenia maszynowego. Jako zmienne uwzględniono ponad 200 cech wyjściowych.
Badanie wykazało, że wykorzystanie danych dotyczących czasu chorowania na cukrzycę typu 2, wcześniejszych poziomów HbA1c, stężenia glukozy we krwi na czczo i stosowania leków przeciwcukrzycowychumożliwia wiarygodną identyfikację pacjentów z utrzymującym się ryzykiem hiperglikemii w dowolnym momencie choroby. Oznacza to, że niewystarczającą kontrolę glikemii można było przewidzieć na podstawie danych, które są rutynowo gromadzone w ramach standardowego monitorowania cukrzycy i leczenia.
Źródło: www.rynekzdrowia.pl
