חוקרים פיתחו אלגוריתם לימוד מכונה במטרה לנבא נוכחות סוכרת או טרום-סוכרת ומערכת בינה מלאכותית העשויה לשמש ככלי לא-פולשני לחיזוי הסיכון לסוכרת. במאמר שפורסם בכתב העת BMJ Innovations מתארים החוקרים כיצד האלגוריתם סיווג את הנבדקים לאלו עם משק סוכר תקין, טרום-סוכרת או סוכרת בדיוק של 97% על-בסיס מדידות הפעילות החשמלית של הלב על-פי אק”ג.
לפיתוח ואימון מודל לימוד מכונה שלהם – מודל בינה מלאכותית המשתפר כל הזמן – החוקרים התבססו על נתוני אק”ג מ-1,262 משתתפים במרכז הודו. המשתתפים היו חלק מאוכלוסייה בהודו בה ידוע על סיכון מוגבר לסוכרת מסוג 2.
החוקרים מסבירים כי הם בחרו להתבסס על נתוני אק”ג מאחר והפרעות קרדיווסקולאריות וסוכרת מופיעות פעמים רבות במקביל. תרשים אק”ג יכול לשמש לזיהוי שינויים אלו, לפחות באופן תיאורטי, אך שינויים אלו כה קלים כך שפעמים רבות רופאים עלולים לפספס זאת. עם זאת, באמצעות מערכת בינה מלאכותית בעל עוצמה מספקת לזיהוי שינויים ספציפיים או עדינים, ניתן יהיה לזהות חריגות אלו.
למרות שלא מדובר בפעם הראשונה בה מנסים לפתח אלגוריתם בינה מלאכותית לחיזוי הסיכון לסוכרת, התוצאות עם מודל זה טובות יותר מאלו שנבחנו בעבר.
החוקרים מקווים לבדוק ולאשר את האלגוריתם במגוון אוכלוסיות כך שבסופו של דבר ניתן יהיה לפתח טכנולוגיה נוחה וידידותית למשתמש. הם מאמינים כי יום אחד האלגוריתם יוכל לשמש בשעונים חכמים או במכשירים חכמים אחרים וניתן יהיה לשלבו בשירותי טל-רפואה ולהשלים בדיקות סקר לסוכרת גם באלו שאינם יכולים להגיע למרכז רפואי לצורך בדיקות דם.
החוקרים בוחנים עוד אמצעים לא-פולשניים אחרים לזיהוי מחלה מוקדמת ומודלים לניבוי סיבוכים באמצעות בינה מלאכותית.
BMJ Innovations, 2022
תגובות רוצה להצטרף לדיון?
יש להתחבר כדי להגיב.
התחבראין תגובות עדיין. היה הראשון להגיב!