Δεδομένα έξυπνων ρολογιών μπορούν να χρησιμοποιηθούν για την εκτίμηση του πρόωρου κινδύνου διαβήτη
Δεδομένα που καταγράφονται από τα έξυπνα ρολόγια (smartwatches) μπορεί να περιέχουν ανεπαίσθητα σημάδια πρώιμης μεταβολικής δυσλειτουργίας.
Τα δεδομένα που συλλέγει ήδη το έξυπνο ρολόι σας θα μπορούσαν σύντομα να βοηθήσουν στον εντοπισμό ενός πρώιμου προειδοποιητικού σήματος για τον διαβήτη τύπου 2.
Κρυμμένα στα μοτίβα καρδιακού ρυθμού, ύπνου και καθημερινής δραστηριότητας που καταγράφονται από καθημερινά φορετά ηλεκτρονικά, υπάρχουν ανεπαίσθητες ενδείξεις που, όταν συνδυαστούν με συνήθη δεδομένα υγείας και αναλυθούν με τεχνητή νοημοσύνη, μπορούν να αποκαλύψουν την αντίσταση στην ινσουλίνη, αναφέρουν ερευνητές στις 16 Μαρτίου στο Nature.
Εκτιμάται ότι περίπου 20 έως 40 τοις εκατό των ενηλίκων στις ΗΠΑ ζουν με αντίσταση στην ινσουλίνη, μια κατάσταση που συμβαίνει όταν τα κύτταρα του σώματος σταματούν να ανταποκρίνονται σωστά στην ινσουλίνη, την ορμόνη που μεταβολίζει τη ζάχαρη – ένα βασικό πρώιμο γεγονός στην εξέλιξη προς τον διαβήτη τύπου 2. Οι περισσότεροι πάσχοντες δεν γνωρίζουν την κατάσταση, καθώς η διάγνωσή της απαιτεί συνήθως εξειδικευμένες εξετάσεις που δεν αποτελούν μέρος της τυπικής ιατρικής φροντίδας. Αυτό σημαίνει ότι οι γιατροί συνήθως ανιχνεύουν το πρόβλημα μόνο αφού τα επίπεδα σακχάρου στο αίμα έχουν ήδη αρχίσει να αυξάνονται, οπότε η μεταβολική βλάβη μπορεί ήδη να βρίσκεται σε εξέλιξη.
Η έγκαιρη ανίχνευση θα μπορούσε να ανοίξει την πόρτα σε “έγκαιρες παρεμβάσεις στον τρόπο ζωής”, λέει ο David Klonoff, ενδοκρινολόγος στο Mills-Peninsula Medical Center στο San Mateo, Καλιφόρνια, ο οποίος ηγείται της μη κερδοσκοπικής Diabetes Technology Society και δεν συμμετείχε στην έρευνα. Αυτές περιλαμβάνουν αλλαγές στη διατροφή, αυξημένη άσκηση και απώλεια βάρους, συμπεριλαμβανομένης της χρήσης των “blockbuster” φαρμάκων GLP-1, τα οποία έχουν αποδειχθεί ότι βοηθούν στην επιβράδυνση ή ακόμη και στην αντιστροφή της μεταβολικής ολίσθησης προς τη νόσο.
“Εάν μπορούμε να εντοπίσουμε άτομα όταν έχουν αντίσταση στην ινσουλίνη, μπορούμε να αλλάξουμε ολόκληρη την πορεία του διαβήτη”, λέει ο Ahmed Metwally, βιομηχανικός μηχανικός στην Google Research στο Mountain View, Καλιφόρνια.
Ορισμένοι ερευνητές έχουν προτείνει τη χρήση αισθητήρων που φοριούνται στο μπράτσο για αυτόν τον σκοπό. Ωστόσο, αυτές οι συσκευές κοστίζουν εκατοντάδες δολάρια το μήνα και χρησιμοποιούνται κυρίως από άτομα που ήδη πάσχουν από διαβήτη, περιορίζοντας τη χρησιμότητά τους για μαζικό έλεγχο. Αντίθετα, οι προσεγγίσεις που βασίζονται σε έξυπνα ρολόγια, βασίζονται σε συσκευές που φορεύουν ήδη εκατομμύρια άνθρωποι, λέει ο Klonoff.
“Αυτή η μελέτη καθιερώνει μια επεκτάσιμη μέθοδο… για την έγκαιρη ανίχνευση μεταβολικού κινδύνου”, λέει.
Το νέο σύστημα, που αναπτύχθηκε από τον Metwally και τους συνεργάτες του, αντλεί δεδομένα από έξυπνα ρολόγια που συλλέχθηκαν για δεκάδες εκατομμύρια ώρες από \text{1.165} άτομα που φορούσαν είτε συσκευές Fitbit είτε Pixel watches, που πωλούνται και οι δύο από την Google ή τις θυγατρικές της. Αλγόριθμοι μηχανικής μάθησης εξέτασαν αυτά τα δεδομένα, μαζί με συνήθεις εργαστηριακές μετρήσεις όπως εξετάσεις χοληστερόλης και δημογραφικούς παράγοντες όπως η ηλικία, για να ανιχνεύσουν μοτίβα που συνδέονται με την αντίσταση στην ινσουλίνη.
Οι πιο προγνωστικοί παράγοντες προήλθαν από κλινικές και δημογραφικές εισροές, παρά από σήματα από το ίδιο το έξυπνο ρολόι. Χρησιμοποιώντας μόνο μετρήσεις από συνήθεις εργαστηριακές εξετάσεις και βασικά δεδομένα υγείας – όπως επίπεδα γλυκόζης νηστείας, δείκτη μάζας σώματος και μετρήσεις λιπιδίων στο αίμα – το μοντέλο της Google θα μπορούσε να διακρίνει άτομα με αντίσταση στην ινσουλίνη από αυτά χωρίς αυτήν περίπου \text{76} τοις εκατό του χρόνου.
Αλλά η απόδοση αυξήθηκε περίπου στο \text{88} τοις εκατό με την προσθήκη ροών δεδομένων από έξυπνα ρολόγια.
Τέτοιες μετρήσεις δεν είναι απόλυτα αξιόπιστες – οι εκτιμήσεις ύπνου, για παράδειγμα, είναι γνωστό ότι ποικίλλουν σε ακρίβεια μεταξύ συσκευών και χρηστών – αλλά ακόμη και αυτά τα ατελή σήματα πρόσθεσαν χρήσιμες πληροφορίες στο μοντέλο. Ο καρδιακός ρυθμός ηρεμίας αποδείχθηκε ιδιαίτερα επεξηγηματικός, αν και τα ημερήσια βήματα και η διάρκεια ύπνου συνέβαλαν επίσης στην προγνωστική δύναμη.
Τελικά, ο Metwally φαντάζεται ένα μέλλον όπου τα φορετά ηλεκτρονικά θα ελέγχουν αθόρυβα εκατομμύρια ανθρώπους για τα πρώτα σημάδια μεταβολικών ασθενειών. Και άλλοι στον χώρο βλέπουν παρόμοια υπόσχεση στην προσέγγιση.
“Αυτή η εργασία καθιστά μια επιτακτική περίπτωση ότι τα δεδομένα από καταναλωτικές φορετές συσκευές περιέχουν ουσιαστικές μεταβολικές πληροφορίες σχετικές με την πρόβλεψη της αντίστασης στην ινσουλίνη”, λέει ο Giorgio Quer, διευθυντής Τεχνητής Νοημοσύνης στο Scripps Research Translational Institute στη La Jolla, Καλιφόρνια, ο οποίος δεν συμμετείχε στην έρευνα.
“Η δυνατότητα της συνεχούς, διαχρονικής και παθητικής παρακολούθησης της μεταβολικής υγείας μέσω φορητών συσκευών, ειδικά όταν τροφοδοτείται από [AI] μοντέλα, αντιπροσωπεύει μια συναρπαστική ευκαιρία προς ένα πιο εξατομικευμένο και επεκτάσιμο μοντέλο ψηφιακής ιατρικής”, λέει.