Model AI používá hroty glukózy k odhalení skrytého rizika cukrovky, než se objeví příznaky

Pro diagnostiku diabetu typu 2 nebo před diabetes se kliničtí lékaři obvykle spoléhají na laboratorní hodnotu známou jako HbA1c. Tento test zachycuje průměrnou hladinu glukózy v krvi v krvi v předchozích několika měsících. HbA1c však nemůže předpovídat, kdo je vystaven nejvyššímu riziku postupu od zdravého na prediabetiku nebo z prediabetiky k plnohodnotnému diabetu.

Nyní to zjistili vědci ve Scripps Research Umělá inteligence může použít kombinaci jiných dat-včetně hladin glukózy v reálném čase z nositelných monitorů-k poskytnutí nuančního pohledu na Diabetes riziko.

Nový model, popsán v Přírodní medicínaPoužívá data kontinuálního monitoru glukózy (CGM) spolu s střevním mikrobiomem, stravou, fyzická aktivita a genetické informace. Označuje časné známky diabetu, že standardní testy HbA1c mohou chybět.

„Ukázali jsme, že dva lidé se stejným skóre HbA1c mohou mít velmi odlišné základní rizikové profily,“ říká autor spolu-senior Giorgio Quer, ředitel umělé inteligence a asistent profesora digitální medicíny ve Scripps Research. „Přinášením více dat – jak dlouhé hroty glukózy trvají k vyřešení, co se stane s glukózou přes noc, co příjem potravy je a dokonce i to, co se děje ve střevech – můžeme začít říct, kdo je na rychlé cestě k cukrovce a kdo není. “

„Cílem této práce je nakonec lépe porozumět tomu, co vede k progresi cukrovky a jak můžeme zasáhnout dříve na klinice,“ dodává autor Ed Ramos, vrchní ředitel digitálních klinických hodnocení ve Scripps Research.

Zatímco některé variace v hladina cukru v krvi je zcela normální – zejména po jídle – přehnané nebo přehnané glukózové hroty mohou být známkou toho, že se tělo snaží efektivně zvládnout cukr. U zdravých jedinců hladce stoupá hladina cukru v krvi a klesá. U lidí s rizikem diabetu se však tyto hroty mohou stát ostřejšími, častějšími nebo pomalejšími, aby se vyřešily, a to ještě před rutinními laboratorními testy, jako je HbA1c, vyzvednou problém. Nová studie ukazuje, že sledování této každodenní dynamiky poskytuje mnohem podrobnější pohled na metabolické zdraví člověka a může pomoci identifikovat potíže dříve.

Zjištění jsou výsledkem víceletého programu digitálního výzkumu s názvem Predikce studie glykemické reakce (Progress). Studie použila kontakt na sociálních médiích k zapsání více než 1 000 lidí z celé USA v plně vzdálené klinické hodnocení. Mezi účastníky patřili lidé s diagnózami pre-diabetu nebo diabetu a zdravých jedinců.

Po dobu deseti dnů nosili Dexcom G6 CGM, sledovali jídlo a cvičení a poslali vzorky jejich krve, slin a stolice pro testování. Vědci měli také přístup k elektronickým zdravotním záznamům účastníků, které zahrnovaly předchozí laboratorní hodnoty a diagnózy lékařů.

„To bylo opravdu průkopnické úsilí ve vzdáleném prostoru pro klinické hodnocení,“ říká Ramos. „Museli jsme navrhnout studii, kterou by účastníci mohli zcela dokončit sami-od použití senzorů po sběr a přepravu biologických vzorků-aniž jsme navštívili kliniku. Tato úroveň samostatné účasti vyžadovala úplně jiný druh infrastruktury než obvykle.“

Pomocí dat vědci vyškolili model AI, aby odlišili lidi s diabetem 2. typu od zdravých jedinců.

Jedním z nejjasnějších signálů diabetu riziku, které vědci zjistili, byla doba, kdy se pro návrat do hlavy cukru v krvi trvalo normální. U lidí s diabetem 2. typu často trvalo 100 minut nebo více, než se hladina cukru v krvi snížila po hrotu, zatímco zdravější jedinci se vrátili k výchozímu stavu mnohem rychleji. Studie také zjistila, že lidé s rozmanitějším střevní mikrobiom a vyšší úroveň aktivity měla tendenci mít lepší kontrolu glukózy, zatímco vyšší klidová srdeční frekvence byla spojena s diabetem.

Důležité je, že model AI nezjistil pouze riziko u lidí s již zvýšenou HbA1c. Když se aplikovali na pre-diabetické jedince, zjistilo se, že někteří vypadali metabolicky podobně jako u diabetu, zatímco jiní se podobali zdravým jedincům, přestože mají podobné laboratorní hodnoty. Tato úroveň granularity by mohla pomoci klinickým lékařům personalizovat léčbu – zaměřit se na změny životního stylu nebo časné terapie u pacientů s nejvyšším rizikem progrese onemocnění.

Zatímco současná studie byla včas snímkem, vědci nadále sledují účastníky, aby zjistili, zda se předpovědi modelu promítá do progrese onemocnění v reálném světě. Rovněž validovali model pomocí samostatné sady údajů o pacientech z Izraele a posílili jeho potenciál pro širší klinické použití.

Tým předpokládá, že budoucí verze modelu používaného lékaři, nebo dokonce jednotlivci používající CGM doma, k posouzení metabolického rizika a sledování, jak každodenní volby ovlivňují cukrovku.

„Nakonec jde o to, aby lidem poskytl více vhledu a kontroly,“ říká Quer. „Diabetes se neobjeví jen jeden den – staví se pomalu a nyní máme nástroje, abychom ji detekovali dříve a zasáhli chytřejší.“