KTU mokslininkai kuria DI gliukozės pokyčiams prognozuoti

Kauno technologijos universiteto (KTU) mokslininkai sukūrė dirbtinio intelekto (DI) modelį, vienu metu prognozuojantį gliukozės pokyčius ir įvertinantį hipoglikemijos riziką po 30 bei 60 minučių. Tyrėjai pabrėžia, kad sprendimas kol kas nėra parengtas kasdieniam pacientų naudojimui ir galėtų būti taikomas kaip klinikinių sprendimų palaikymo priemonė.

Europoje cukrinis diabetas diagnozuotas maždaug 66 mln. suaugusiųjų, o prognozuojama, kad iki 2050 m. šis skaičius viršys 72 mln. Sergant I tipo cukriniu diabetu, gliukozės koncentraciją būtina nuolat stebėti ir reguliariai dozuoti insuliną. Vis dėlto organizmo reakciją ne visuomet galima tiksliai numatyti, nes gliukozės kiekį veikia ne tik maistas ir insulinas, bet ir fizinis aktyvumas, stresas, hormonų svyravimai, miego kokybė, paros ritmas bei individualūs medžiagų apykaitos skirtumai.

KTU pranešime nurodoma, kad mokslininkai siūlo kartu vertinti gliukozės matavimų, insulino pompos, suvartotų angliavandenių ir fizinio aktyvumo duomenis. Taip siekiama nustatyti pasikartojančius dėsningumus, galinčius padėti prognozuoti būsimus gliukozės pokyčius.

Modelis vertina gliukozės pokyčius ir hipoglikemijos riziką

Naujausiame tyrime mokslininkai siekė neapsiriboti vien būsimos gliukozės koncentracijos prognozavimu. Sukurtas modelis taip pat įvertina hipoglikemijos riziką po 30 ir 60 minučių. Tyrėjai taip pat analizavo, kaip DI galėtų retrospektyviai vertinti individualizuotus insulino dozės koregavimus.

Viename sprendime sujungti keli DI metodai. KTU profesorius Rytis Maskeliūnas aiškina, kad įprasti prognozavimo modeliai duomenis vertina kaip chronologinę seką, o naujasis metodas kiekvieną laiko momentą paverčia grafų tinklo mazgu. Jis susiejamas su ankstesniais panašiais laiko momentais, todėl modelis mokosi ne tik iš tiesioginės įvykių sekos, bet ir iš sudėtingų ryšių tarp skirtingų organizmo būsenų.

Svarbi modelio dalis – dėmesio mechanizmas. Jis padeda algoritmui nustatyti, kurie ankstesni duomenys konkrečioje situacijoje yra svarbiausi prognozuojant būsimą gliukozės pokytį. Pasak R. Maskeliūno, tai primena patyrusį gydytoją, kuris, vertindamas paciento būklę, ne mechaniškai peržiūri visus duomenis, o atsirenka reikšmingiausius veiksnius.

Šis principas svarbus ir DI paaiškinamumui. Medicinoje net ir tikslus algoritmas turi ribotą vertę, jei gydytojas negali suprasti, kodėl pateikta konkreti prognozė. KTU tyrėjų sukurtas sprendimas leidžia nustatyti, kurie požymiai ir ankstesni laiko momentai turėjo didžiausią įtaką rezultatui.

Rezultatai dar neleidžia modelio taikyti kasdienėje pacientų priežiūroje

Modelis išbandytas naudojant tarptautinius I tipo diabeto duomenis. Tyrimo rezultatai parodė didelį gliukozės prognozavimo ir hipoglikemijos rizikos vertinimo tikslumą. Kai algoritmas buvo mokomas kartu prognozuoti gliukozės pokyčius ir vertinti hipoglikemijos riziką, rezultatai buvo geresni nei šias užduotis atliekant atskirai.

„Rezultatai parodė, kad naujieji modeliai pasiekia labai aukštą prognozavimo tikslumą ir gerai veikia net su pacientais, kurių duomenų algoritmas anksčiau nebuvo matęs“, – sako prie modelio kūrimo prisidėjęs doktorantas Muhammad Abdullah Sarwar.

Tyrime analizuoti individualizuoti insulino dozės koregavimai nėra skirti tam, kad pacientai savarankiškai keistų gydymą. Jie nagrinėjami kaip galimas sprendimų palaikymo įrankis klinikinei analizei. M. Sarwar teigimu, tai svarbu kuriant universalius klinikinius sprendimus, kurie patikimai veiktų skirtingose ligoninėse, šalyse ir pacientų grupėse.

Vis dėlto didelis tikslumas dar nereiškia, kad algoritmas yra pasirengęs praktiniam klinikiniam taikymui. R. Maskeliūnas pabrėžia, kad prieš pradedant jį plačiai naudoti reikės papildomų klinikinių tyrimų. Modeliai vertinti pagal istorinius pacientų duomenis, todėl dar būtina įrodyti, kad realiomis klinikinėmis sąlygomis jie išliks tokie pat tikslūs. KTU teigimu, tuo turės pasirūpinti tyrėjų partneriai medikai.

Taip pat lieka duomenų saugumo, pacientų privatumo ir sklandaus algoritmų integravimo į kasdienį medikų darbą klausimai. Tyrėjai DI vertina ne kaip gydytojus pakeisiančią technologiją, o kaip priemonę efektyviau panaudoti didelius pacientų generuojamų duomenų kiekius ir ateityje teikti labiau individualizuotą pagalbą.

„Paaiškinami ir pažangūs DI modeliai leis ne tik tiksliau prognozuoti gliukozės pokyčius, bet ir suteiks pagrindą kurti saugesnes, labiau personalizuotas bei efektyvesnes sprendimų palaikymo sistemas, palengvinančias itin intensyvų gydytojų darbą“, – teigia R. Maskeliūnas.