OSOZ Polska

Page 41

n o we i d ee

E -z d r o wie na świecie

NATURE

MIT Technology Review

Innovative new model predicts glucose levels without poking or prodding

Hundreds of AI tools have been built to catch covid. None of them helped

Nowy model pozwala przewidzieć poziom glukozy we krwi bez nakłuwania palca

Zbudowano setki narzędzi AI, aby diagnozować COVID. Żadne z nich nie pomogło

Rośnie wskaźnik zachorowalności na cukrzycę typu II. Niestety, od wielu lat jednym sposobem regularnego kontrolowania i zarządzania chorobą jest badanie poziomu glukozy z kropli krwi. A to wymaga codziennego nakłuwania, które dla wielu chorych jest obciążające. To może się wkrótce zmienić dzięki sztucznej inteligencji. Naukowcy z Duke opracowali nowy system uczenia maszynowego, który z dużą dokładnością przewiduje śródmiąższowe poziomy glukozy przy użyciu nieinwazyjnych pomiarów. W oparciu o istniejące badania dowodzące, że parametry fizjologiczne – takie jak tętno – mogą odzwierciedlać wahania stężenia glukozy, opracowali oni model łączący 69 danych wejściowych w celu przewidywania poziomu glukozy u 16 uczestników badania ze zdiagnozowanym stanem przedcukrzycowym lub wysokim prawidłowym poziomem glukozy we krwi. Dane wejściowe modelu obejmowały dane demograficzne oraz historyczne: płeć biologiczna, dzienniczek żywieniowy (zapisany przez uczestnika badania) i ostatni pomiar HgbA1c, a także biomarkery stresu, aktywności i rytmu okołodobowego. Biomarkery te zostały zebrane za pomocą smartwatcha, który rejestrował zmienność rytmu serca, temperaturę skóry, pocenie się (aktywność elektrodermalna) oraz akcelerometrię. Aby wytrenować i zwalidować model, wszyscy uczestnicy zostali wyposażeni w urządzenie do mierzenia poziomu glukozy, aby określić punkt odniesienia dla rzeczywistych poziomów glukozy w tkankach śródmiąższowych. Model uczenia maszynowego “uczył się” – używając wzorca urządzenia pomiarowego – określenia wagi, jaką należy przyporządkować każdemu nieinwazyjnemu punktowi danych (tętno, wpisy w dzienniku żywieniowym itp.). Po zakończeniu okresu treningowego, model przewidywał poziom glukozy, wykorzystując jedynie nieinwazyjne punkty danych. Prognozy weryfikowano z pomiarami urządzenia, aby ocenić dokładność. Model populacyjny był w stanie przewidzieć dokładny poziom glukozy śródmiąższowej u uczestników badania przy użyciu wyłącznie nieinwazyjnych danych z dokładnością 87%, co odpowiada dokładności monitorów glukozy śródmiąższowej w porównaniu z pomiarami glukozy we krwi. To przybliża naukowców do opracowania nieinwazyjnego sposobu monitorowania glukozy. 

Kiedy wybuchła pandemia COVID-19, zespoły badawcze z całego świata zabrały się do opracowania systemów AI, które – jak wielu wierzyło – pozwolą szpitalom na szybsze diagnozowanie i selekcję pacjentów, zapewniając tak bardzo potrzebne wsparcie na pierwszej linii frontu. W ten sposób powstały setki narzędzi predykcyjnych, które świętowano w prasie jako przełom w medycynie. Zbyt wcześnie, bo jak się okazuje, żadne z nich nie wniosło wartości dodanej do diagnozowania COVID-19, a niektóre były potencjalnie szkodliwe. Takie druzgocące wnioski płyną z badań opublikowanych w ciągu ostatnich kilku miesięcy. W czerwcu, Instytut Turinga, brytyjskie krajowe centrum nauki o danych i AI, opublikował raport podsumowujący dyskusje podczas serii warsztatów, które odbyły się pod koniec 2020 roku. Wniosek: narzędzia AI miały niewielki, jeśli jakikolwiek, wpływ na walkę z pandemią COVID-19. Przegląd badań w tym zakresie ukazał się w British Medical Journal. Naukowcy przyjrzeli się 232 algorytmom do diagnozowania pacjentów lub przewidywania choroby. Stwierdzili, że żaden z nich nie nadaje się do użytku klinicznego. Tylko dwa zostały wyróżnione jako wystarczająco obiecujące do przyszłych testów. Badanie zostało poparte innym dużym przeglądem przeprowadzonym przez Dereka Driggsa, eksperta w dziedzinie uczenia maszynowego na Uniwersytecie w Cambridge, i jego kolegów, a opublikowanym w Nature Machine Intelligence. Zespół ten skupił się na modelach głębokiego uczenia służących do diagnozowania gruczolaka i przewidywania ryzyka dla pacjenta na podstawie obrazów medycznych, takich jak zdjęcia rentgenowskie klatki piersiowej i tomografia komputerowa klatki piersiowej (CT). Przyjrzeli się 415 opublikowanym narzędziom i, podobnie jak w przypadku algorytmów opracowanych do walki z COVID-19, doszli do wniosku, że żadne z nich nie nadaje się do użytku klinicznego. Pandemia była wielkim testem dla AI, ale wszystko wskazuje na to, że tego testu algorytmy nie zdały. 

OSOZ Polska 8/2021

41


Turn static files into dynamic content formats.

Create a flipbook
Issuu converts static files into: digital portfolios, online yearbooks, online catalogs, digital photo albums and more. Sign up and create your flipbook.