GPT-pohjaisen ravitsemuksen ja diabeettisen neuvonnan tehokkuuden arviointi raskausdiabeteksen hoidossa: satunnaistettu kontrolloitu tutkimus (AIM-GDM) (AIM-GDM)

Raskausdiabetes mellitus (GDM) vaikuttaa noin 6–9 prosenttiin raskauksista maailmanlaajuisesti, ja se aiheuttaa merkittäviä riskejä sekä äidin että vastasyntyneen terveydelle. Vakiohoito sisältää ruokavalioneuvontaa, glukoosin seurantaa ja insuliinihoitoa tarvittaessa. GDM:n yleistyminen ja terveydenhuollon rajalliset resurssit edellyttävät kuitenkin innovatiivisia ratkaisuja täydentämään perinteistä hoitoa. Generative Pre-trained Transformers (GPT) on eräänlainen suuri kielimalli (LLM), joka tarjoaa henkilökohtaista, reaaliaikaista neuvontaa ja tukea. Äskettäiset edistysaskeleet tekoälyssä ovat osoittaneet lupauksia erilaisissa terveydenhuollon sovelluksissa, mutta GPT-pohjaisen neuvonnan tehokkuutta GDM-hallinnassa ei ole vielä tutkittu. Tämä tutkimus perustuu alustaviin todisteisiin, jotka viittaavat siihen, että tekoäly voi parantaa potilaiden sitoutumista ja tuloksia, ja tavoitteena on vahvistaa nämä havainnot kontrolloidussa tutkimuksessa.

Tekoälyn, erityisesti GPT:iden, integrointi terveydenhuoltoon voi mullistaa potilashallinnan tarjoamalla jatkuvaa, räätälöityä tukea. Tämän tutkimuksen tavoitteena on arvioida, voiko GPT-pohjainen neuvonta parantaa glukoositasapainoa ja potilastyytyväisyyttä GDM-hallinnassa verrattuna perinteiseen neuvontaan yksin. Sijoittamalla tekoäly osaksi synnytyshoidon kontekstia tämä tutkimus pyrkii korjaamaan nykyisten GDM-hallintakäytäntöjen puutteita ja tarjoamaan skaalautuvia, yksilöllisiä ratkaisuja.