2021 m. daugiau nei 355 900 vaikų visame pasaulyje buvo diagnozuota 1 tipo diabetasTikimasi, kad iki 2050 m. šis skaičius gerokai padidės. Ankstyva diagnozė yra labai svarbi norint išvengti komplikacijų, tokių kaip diabetinė ketoacidozė, tačiau tai išlieka sudėtinga dėl nespecifinių simptomų ir vėlavimo atlikti diagnostiką.

Tyrimas, paskelbtas m „Lancet Digital Health“. pabrėžia naują mašininio mokymosi algoritmą, kuris gali numatyti 1 tipo diabetą vaikams naudojant elektroninius sveikatos įrašus ir gali nustatyti 72% atvejų per 90 dienų iki oficialios diagnozės nustatymo.

Studija

Danielio ir jo kolegų atliktas tyrimas pristato pažangiausią mašininio mokymosi algoritmą, skirtą numatyti 1 tipo diabetą jaunesniems nei 15 metų vaikams pirmojo pirminės sveikatos priežiūros vizito metu.

Šis naujoviškas įrankis, sukurtas naudojant Velso elektroninius sveikatos įrašus (EHR) ir patvirtintas anglų kalbos EHR, skirtas pagerinti ankstyvą 1 tipo diabeto diagnostiką. Panaudojus dirbtinį intelektą ir mašininį mokymąsi sveikatos priežiūros srityje, tyrimas yra reikšminga pažanga gerinant vaikų diabeto priežiūrą, galbūt sumažinant sunkių komplikacijų dažnį.

Šis algoritmas gali pažymėti maždaug 72 % vaikų, sergančių 1 tipo cukriniu diabetu, likus 90 dienų iki oficialios diagnozės nustatymo, jei nustatytas įspėti gydytojus 10 % pacientų.

Ši priemonė žymi didelį proveržį ankstyvoje 1 tipo diabeto diagnostikoje, ypač vaikams iš etninių mažumų, kuriems diagnozuojant gresia didesnė komplikacijų rizika.

Ankstyvas nustatymas ir savalaikė intervencija gali labai pagerinti sveikatos rezultatus, sumažinti diabetinės ketoacidozės riziką ir sumažinti sveikatos priežiūros sistemų įtampą.
Integruojant mašininį mokymąsi į ankstyvą diabeto aptikimą, ši technologija turi potencialo pagerinti vaikų priežiūrą ir padėti veiksmingiau reaguoti į sveikatos priežiūrą.

Iššūkiai ir ateities kryptys

Nors ir daug žadantis, tyrimas turi apribojimų, ypač tai, kad nėra duomenų apie etninę kilmę, o tai pabrėžia, kad reikia atlikti bandymus įvairiose populiacijose, kad būtų užtikrintas priemonės veiksmingumas visose demografinėse grupėse. Taip pat labai svarbu gerinti diabeto diagnostiką ir gydymą mažas ir vidutines pajamas gaunančiose šalyse, kuriose sveikatos priežiūros ištekliai yra riboti.

Išvada

Mašininio mokymosi integravimas į pirminę sveikatos priežiūrą yra transformuojanti priemonė ankstyvam 1 tipo diabeto diagnozavimui vaikams. Šiai technologijai tobulėjant, ji gali labai pagerinti sveikatos rezultatus ir sumažinti sunkias komplikacijas dėl vėlyvos diagnozės.