დიაბეტის (ტიპი 2) ან პრედიაბეტის დასადგენად წლებია იყენებენ სისხლის ანალიზს, რომელსაც HbA1c ეწოდება. ეს ანალიზი აჩვენებს, როგორი იყო თქვენს სისხლში შაქრის საშუალო დონე ბოლო რამდენიმე თვის განმავლობაში.
მართალია, ეს მეთოდი ეფექტურია, მაგრამ აქვს ნაკლიც – ის ვერ განსაზღვრავს, ვის აქვს დიაბეტის ან პრედიაბეტის განვითარების ყველაზე მაღალი რისკი. მარტივად რომ ვთქვათ, მეთოდი მხოლოდ უკვე არსებულ მდგომარეობას განსაზღვრავს და არა რისკებს.
Scripps Research-ის მეცნიერებმა უკვე შექმნეს ხელოვნური ინტელექტის (AI) მოდელი, რომელსაც შეუძლია გაცილებით ზუსტად იწინასწარმეტყველოს ადამიანებში მეტაბოლური პრობლემების განვითარების რისკი.
ხელოვნური ინტელექტი აანალიზებს არა მარტო გლუკოზის უწყვეტი მონიტორინგის (CGM) მონაცემებს, არამედ ითვალისწინებს სხვა ფაქტორებსაც: დიეტას, ნაწლავის მიკრობიომს, ფიზიკურ აქტივობასა და გენეტიკურ ინფორმაციას.
ტრადიციული ლაბორატორიული ტესტებისგან განსხვავებით, Nature Medicine-ში აღწერილი ახალი მოდელი ადრევე ამოიცნობს მეტაბოლურ პრობლემებს. ეს ისეთი ნიშნებია, რისი გათვალისწინებაც სტანდარტულ მეთოდებში არ ხდება. საბოლოოდ კი, ეს AI მოდელი დიაბეტის განვითარების პოტენციურ საფრთხეებზე ბევრად უფრო სიღრმისეულ ხედვას გვთავაზობს.
როგორც დოქტორ ჯორჯო კერის თანაავტორობით შესრულებული კვლევა გვიჩვენებს, მონაცემების სხვა წყაროებთან — გლუკოზის მონიტორინგი, კვება, ნაწლავის მიკრობიოტა, ფიზიკური აქტივობა და გლუკოზის რეაქციის ნიმუშები — კომბინირება საშუალებას იძლევა უფრო ზუსტად განისაზღვროს, ვინ იმყოფება დიაბეტის სწრაფი განვითარების რისკის ქვეშ. ეს მიდგომა ხელს შეუწყობს დიაბეტის პრევენციისა და მართვის უფრო ზუსტი სტრატეგიების შემუშავებას.
კვლევა მრავალწლიანი პროექტის, Glycemic RESponse Study (PROGRESS) ნაწილია. ამ სრულად დისტანციურად ჩატარებულ სამეცნიერო კვლევაში აშშ-ის მასშტაბით 1000-ზე მეტი ადამიანი მონაწილეობდა, მათ შორის იყვნენ როგორც დიაბეტით და პრედიაბეტით დაავადებულები, ასევე – ჯანმრთელი მოხალისეები.
კვლევის მიმდინარეობა:
- 10 დღის განმავლობაში მონაწილეები ატარებდნენ Dexcom G6 უწყვეტი გლუკოზის მონიტორებს (CGMs).
- აღრიცხავდნენ კვებასა და ვარჯიშებს.
- აგროვებდნენ სისხლის, ნერწყვისა და განავლის ნიმუშებს.
- ამას დაემატა ელექტრონული სამედიცინო ჩანაწერებიც.
კვლევის თანაავტორი ედ რამოსი აღნიშნავს: “ეს იყო მოწინავე ციფრული კლინიკური კვლევა, რადგან მონაწილეებს არ უწევდათ კლინიკაში მისვლა. შეიქმნა სპეციალური ინფრასტრუქტურა, რომელმაც მონაცემების სრულად ავტომატიზებულად შეგროვება გახადა შესაძლებელი.”
ეს AI მოდელი განსაკუთრებით მნიშვნელოვანია, რადგან მას შეუძლია განასხვავოს მაღალი და დაბალი რისკის ქვეშ მყოფი პირები მაშინაც კი, როდესაც მათი HbA1c ტესტის ნიმუშები მსგავსია. ყოველივე ექიმებს აძლევს საშუალებას, მკურნალობა პერსონალიზებული გახადონ და პრიორიტეტი მიანიჭონ იმ პაციენტებს, რომლებსაც დიაბეტის განვითარების მაღალი რისკი აქვთ.
მკვლევრები ვარაუდობენ, რომ ხელოვნურ ინტელექტზე დაფუძნებული ეს მეთოდი ექიმებისა და CGM-ის (უწყვეტი გლუკოზის მონიტორინგი) მომხმარებლებისთვის ყოველდღიური პრაქტიკის ნაწილი გახდება. ეს მათ დაეხმარება მეტაბოლური ჯანმრთელობის რეალურ დროში მონიტორინგსა და ცხოვრების წესთან დაკავშირებული ინფორმირებული გადაწყვეტილებების მიღებაში.
წყარო: Nature
