Mobiilin tekoälyllä toimivan päätöksenteon tukijärjestelmän arviointi insuliinien annostelussa ja glukoosin ennustamisessa tyypin 1 diabeteksessa: glUCModel-kliinisen tutkimuksen menetelmäkuvaus (glUCModel-1)

Diabetes mellitus on krooninen aineenvaihduntahäiriö, jolle on ominaista verensokerin säätelyn häiriintyminen, ja se vaikuttaa yli 400 miljoonaan ihmiseen maailmanlaajuisesti. Insuliini, haimassa tuotettu hormoni, mahdollistaa glukoosin ottoa soluihin energiantuotantoa varten. Diabeteksessa joko tuotetaan riittämätön määrä insuliinia tai keho ei pysty käyttämään sitä tehokkaasti, mikä johtaa jatkuvaan hyperglykemiaan. Ajan myötä hallitsemattomat glukoositasot voivat aiheuttaa vakavia komplikaatioita, kuten sydän- ja verisuonitauteja, neuropatiaa, retinopatiaa ja nefropatiaa. Tehokas hoito on siksi välttämätöntä sekä akuuttien että pitkäaikaisten haittavaikutusten estämiseksi.

Kahta päätyyppiä diabeteksesta voidaan erottaa. Tyypin 1 diabetes mellitus (T1DM) on autoimmuunisairaus, jossa haiman β-solut tuhoutuvat, mikä johtaa absoluuttiseen insuliinipuutokseen. Se muodostaa noin 10 % kaikista tapauksista. T1DM-potilaat tarvitsevat elinikäistä insuliinikorvaushoitoa, joka yleensä toimitetaan useina päivittäisinä ruiskeina (MDI) tai insuliinipumpun avulla. Sen sijaan tyypin 2 diabetes mellitus (T2DM), yleisempi muoto, on ensisijaisesti ominaista insuliiniresistenssi. Vaikka insuliinin tuotanto säilyy varhaisissa vaiheissa, eteneminen toimintahäiriö voi lopulta edellyttää farmakologista hoitoa, mukaan lukien insuliinia. Elämäntapamuutokset, kuten terveellinen ruokavalio ja fyysinen aktiivisuus, voivat viivästyttää tai estää T2DM:n puhkeamisen ja etenemisen.

Diabetekseen sairastuneiden päivittäinen itsehoito edellyttää useita verensokerin seurantoja ja insuliiniannoksen säätöjä, jotka on otettava huomioon ateriat, fyysinen aktiivisuus, stressi, sairaus ja muut tekijät. Kapillaaristen glukoosimittareiden ja viime aikoina jatkuvan glukoosiseurantajärjestelmien (CGM) avulla reaaliaikaiseen glukoositietoon pääsy on parantunut merkittävästi. Kuitenkin näiden tulkitseminen ja korjaavien toimenpiteiden päättäminen on edelleen haastavaa, ja virheet insuliiniannoksissa voivat johtaa hypoglykemiaan tai jatkuvaan hyperglykemiaan. Sekä akuutit komplikaatiot että jatkuva päätöksentekokuorma vähentävät elämänlaatua ja aiheuttavat hoitoväsymystä.

Potilaiden tukemiseksi näissä monimutkaisissa tehtävissä glukoosidynamiikan ennustemalleja on tutkittu laajasti. Tarkka ennustaminen voisi mahdollistaa hypo- tai hyperglykemian varoitukset ja auttaa insuliinihoidon optimoinnissa. Lopullinen visio on täysin automatisoitu "keinohaima", joka yhdistää glukoosin havaitsemisen, insuliinin toimituksen ja luotettavat ennustealgoritmit. Erilaisia koneoppimismenetelmiä (ML) on tutkittu glukoosin ennustamiseen, mukaan lukien Geneettinen Ohjelmointi, K-Lähimmän Naapurin menetelmä, Kieliopillinen Evoluutio ja erityisesti Neuroverkot. Neuroarkkitehtuurien joukossa Pitkät Lyhyen Ajan Muistit (LSTM) ja muut toistuvat mallit ovat osoittaneet vahvan suorituskyvyn aikasarjatiedoille, kuten CGM-jäljille, vaikka konvoluutio- ja monikerroksiset perceptroniverkot (MLP) ovat myös sovellettu. Lupaavista tuloksista huolimatta haasteita pysyy tarkkuuden, luotettavuuden ja käytännön käytettävyyden varmistamisessa eri potilasväestöjen keskuudessa.

T1DM:n hoito, erityisesti potilailla, jotka käyttävät MDI-hoitoa, on edelleen merkittävä haaste. Vaikka CGM ja insuliinipumput ovat parantaneet tuloksia, insuliiniannostuksesta päätökset riippuvat edelleen paljon potilaan intuitiosta ja kokemuksesta, mikä jättää tilaa virheille ja vaihtelulle. On siksi selkeä tarve päätöstukityökaluille, jotka yhdistävät ennakoivan analyysin ja personoidut suositukset turvallisuuden, autonomian ja hoidon noudattamisen parantamiseksi.

glUCModel-mobiilisovellus kehitettiin vastaamaan tähän tarpeeseen. Sen varhaisista versioista lähtien se integroi omistusoikeudellisia, patentoituja tekoälymalleja tarjotakseen reaaliaikaisia insuliinisuosituksia, lyhyen aikavälin glukoosiennusteita ja ennakoivia hälytyksiä hypo- ja hyperglykemialle. Ennustehorisontilla jopa kahteen tuntiin järjestelmän tavoitteena on vähentää glykemistä vaihtelua ja tukea ajallisia korjaavia toimenpiteitä.

Tämä tutkimussuunnitelma kuvaa satunnaistetun, avoimen kliinisen tutkimuksen glUCModel-sovelluksen tehokkuuden ja turvallisuuden arvioimiseksi T1DM-potilailla, jotka käyttävät MDI-hoitoa. Pääasiallinen tavoite on arvioida lyhyen aikavälin glykemisen hallinnan parantumista, mitattuna tavoitealueella (70–180 mg/dL) vietetyn ajan prosenttiosuutena. Toissijaisia tavoitteita ovat glykemisten poikkeamien vähentäminen, hoidon tyytyväisyyden parantaminen sekä käytettävyyden ja noudattamisen arviointi todellisessa käyttöympäristössä.