糖尿病は最も一般的な慢性疾患の 1 つであり、ヨーロッパでは約 6,600 万人の成人が罹患しており、その数は 2050 年までに 7,200 万人以上に増加すると予想されています。1 型糖尿病患者の場合、血糖値を安全な範囲内に維持するには継続的なモニタリングと慎重なインスリン管理が必要です。しかし、経験と慎重な治療があっても予期せぬ変動が起こり、低血糖や高血糖を引き起こす可能性があります。

血糖値は食物やインスリン以外にも影響を受けます。身体活動、ストレス、ホルモンの変化、睡眠の質、概日リズム、代謝の個人差がすべて影響している可能性があります。したがって、変動を予測することは、リスクを評価し、糖尿病管理についてより適切な情報に基づいた意思決定をサポートするのに役立ちます。

継続的グルコース監視システムはすでにグルコースレベルを数分ごとに記録し、大量のデータを生成しています。カウナス工科大学 (KTU) の研究者は現在、人工知能 (AI) がこのデータのパターンを発見できるかどうかを研究しています。彼らのアプローチは、血糖値の測定値と、インスリン投与、炭水化物摂取、身体活動に関する情報を組み合わせたものです。

AI が最も重要なことを特定する

KTUの研究者らは最新の研究で、血糖変化を予測し、30分前と60分前に低血糖のリスクを評価するモデルを開発した。彼らはまた、個人に合わせたインスリン調整を遡及的に評価するために AI をどのように使用できるかについても調査しました。

これを達成するために、研究者らは複数の AI 手法を 1 つのフレームワークに組み合わせました。基盤となるテクノロジーは複雑に見えるかもしれないが、KTU 教授のリティス・マスケリューナス氏は、基本的な考え方はかなり単純だと述べています。

従来の予測モデルはデータを時系列として扱いますが、新しいアプローチでは各時点をグラフ ネットワーク内のノードとして表し、過去の同様の時点に結び付けます。

これにより、モデルはイベントの直接的なシーケンスだけでなく、異なる生理学的状態間の複雑な関係からも学習できるようになります。

リュティス・マスケリューナス、KTU教授

モデルの重要なコンポーネントは、アテンション メカニズムとして知られるものです。これにより、アルゴリズムはどの以前のデータ ポイントが結果に最も関連しているかを特定できます。

「これは、経験豊富な医師が患者の状態を評価するのと似ています。入手可能なデータをすべて機械的に検討するのではなく、その特定の状況で最も重要な要素を特定します」とマスケリューナス氏は説明します。

この原則は、医療における AI の使用を取り巻くもう 1 つの重要な課題、つまり説明可能性にも対処します。たとえ非常に正確なアルゴリズムであっても、臨床医が特定の結果にどのように到達したかを理解できなければ、医療においては価値が限られます。したがって、研究者のアプローチにより、どの特性と以前の瞬間がモデルの作成に最大の影響を与えたかを特定することができます。

このモデルは臨床上の意思決定をサポートできる可能性がある

このモデルは、国際的な 1 型糖尿病データセットを使用してテストされ、血糖予測と低血糖リスク評価の両方で高い精度が実証されました。研究者らはまた、両方のタスクを別々に実行するのではなく、同時に実行するようにアルゴリズムをトレーニングすると、パフォーマンスが向上することも発見しました。

「結果は、新しいモデルが非常に高い予測精度を達成し、アルゴリズムがこれまで発見できなかったデータを持つ患者でもうまく機能することを示しました」と、モデルの開発に貢献したKTU博士課程の学生、ムハマド・アブドラ・サーワール氏は述べています。

この研究で評価された個別のインスリン調整は、患者が独自に治療を変更できるようにすることを目的としたものではありません。代わりに、それらは臨床分析のための潜在的な意思決定支援ツールとして研究されました。

「これは、広く適用可能な臨床意思決定支援ツールを開発する場合に特に重要です。これらのシステムは、さまざまな病院や国、さまざまな患者集団で確実に機能する必要があるからです」と Sarwar 氏は強調します。

ただし、精度が高いということは、そのようなアルゴリズムが患者の日常生活の一部になる準備ができていることを意味するものではありません。 「この技術を臨床現場で広く採用するには、さらなる臨床研究が必要です。モデルは過去の患者データを使用して評価されたため、実際の臨床状況でも同等の精度を維持することを実証することが不可欠です。私たちの医療パートナーがこの次の段階を担当します。」とマスケリューナス氏は言います。

臨床検査と同様に、データのセキュリティ、患者のプライバシー、医師の日常業務におけるアルゴリズムの完全な統合についても疑問があります。研究者らは、AIを医師に代わる技術としてではなく、患者が生成する膨大なデータを有効活用し、将来的にはより個別化されたサポートを提供する方法として捉えている。

「高度で説明可能な AI モデルにより、血糖値の変化をより正確に予測できるだけでなく、医師が直面する重労働の軽減に役立つ、より安全で、よりパーソナライズされた、より効果的な意思決定支援システムを開発するための基盤も提供されます」と KTU の教授は述べています。