ИИ-модель прогнозирует изменения уровня глюкозы у пациентов с диабетом 1 типа

Диабет — одно из наиболее распространённых хронических заболеваний: примерно 66 миллионов взрослых в Европе живут с диабетом, и к 2050 году эта цифра, по прогнозам, вырастет более чем до 72 миллионов. Для людей с диабетом 1 типа поддержание уровня глюкозы в безопасном диапазоне требует постоянного мониторинга и точной коррекции инсулина, но даже при аккуратном контроле возможны неожиданные колебания, ведущие к гипогликемии или гипергликемии.

На уровень глюкозы влияют не только еда и инсулин. Физическая активность, стресс, гормоны, качество сна, циркадные ритмы и индивидуальные особенности обмена веществ тоже играют роль. Поэтому умение прогнозировать колебания глюкозы помогает оценивать риск и принимать более обоснованные решения по терапии.

Системы непрерывного мониторинга глюкозы (CGM) регистрируют показания каждые несколько минут и накапливают большие массивы данных. Исследователи Каунасского технологического университета (КТУ) изучают, может ли искусственный интеллект найти полезные закономерности в этих данных. Их подход объединяет показания CGM с информацией о введённом инсулине, потреблении углеводов и физической активности.

ИИ определяет самое важное

В последней работе команда КТУ представила модель, которая прогнозирует изменение уровня глюкозы и оценивает риск гипогликемии на 30 и 60 минут вперёд. Авторы также рассмотрели, как такую модель можно использовать для ретроспективной персонализированной корректировки инсулинотерапии.

Для этого исследователи объединили несколько методов ИИ в единую архитектуру. По словам профессора КТУ Ритиса Маскелюнаса, хотя базовая технология выглядит сложно, основная идея относительно проста.

Традиционные модели рассматривают данные как хронологическую последовательность. Новый подход представляет каждый момент времени как узел в графовой сети и соединяет его с похожими моментами в прошлом.

Так модель учится не только на последовательности событий, но и на сложных взаимосвязях между различными физиологическими состояниями.

Ритис Маскелюнас, профессор КТУ

Важным компонентом модели является так называемый механизм внимания, который определяет, какие точки данных наиболее значимы для прогноза.

«Это похоже на работу опытного врача: вместо того чтобы механически просматривать все данные, он выделяет факторы, наиболее важные в конкретной ситуации», — объясняет Маскелюнас.

По словам исследователей, такой подход улучшает объяснимость алгоритма: он позволяет определить, какие признаки и какие предыдущие моменты времени оказали наибольшее влияние на прогнозы модели.

Модель может поддерживать принятие клинических решений

Модель протестировали на международных наборах данных по диабету 1 типа и получили высокую точность как в прогнозе уровня глюкозы, так и в оценке риска гипогликемии. При этом качество работы улучшалось, когда алгоритм обучали решать обе задачи одновременно, а не по отдельности.

«Результаты показали, что новые модели достигают высокой точности прогнозирования и хорошо работают даже с пациентами, данные которых представлены не в полном объёме в обучающем наборе. Это особенно важно для разработки инструментов поддержки клинических решений, которые должны надёжно функционировать в разных больницах и странах, с разными популяциями пациентов», — подчёркивает аспирант КТУ Мухаммад Абдулла Сарвар, один из разработчиков модели.

Однако высокая точность на исторических данных не означает готовности к повседневному использованию. «Нужны дальнейшие клинические исследования, прежде чем технология сможет широко применяться в практике. Модели оценивались на ретроспективных данных пациентов, поэтому важно показать, что они сохраняют точность в реальных клинических условиях. За этот этап будут отвечать наши медицинские партнёры», — говорит Маскелюнас.

Кроме того, остаются вопросы безопасности данных, конфиденциальности пациентов и интеграции алгоритмов в рабочие процессы врачей. Исследователи подчёркивают, что рассматривают ИИ не как замену врачам, а как инструмент для более эффективного использования больших объёмов данных и для будущей персонализации помощи пациентам.

«Продвинутые, объяснимые модели ИИ позволят не только точнее прогнозировать изменения уровня глюкозы, но и станут основой для более безопасных, персонализированных и эффективных систем поддержки принятия решений, которые помогут снизить нагрузку на врачей», — добавляет профессор КТУ.