Personalizacja samodzielnego leczenia cukrzycy — badanie pilotażowe

Coraz więcej dowodów wskazuje na znaczące różnice w fizjologii poszczególnych osób i funkcji glikemii oraz ich uwarunkowań kulturowych, społecznych i ekonomicznych, które mają wpływ na samodzielne leczenie cukrzycy. Odkrycia te utorowały drogę medycynie precyzyjnej - podejściu do personalizacji leczenia do składu genetycznego jednostki, historii klinicznej i stylu życia. Metody obliczeniowego uczenia się są z powodzeniem stosowane do identyfikacji fenotypów klinicznych — możliwych do zaobserwowania objawów chorób. Badania wykazały korzyści płynące z dostosowywania nie tylko leczenia, ale także interwencji behawioralnych; jednak dostosowywanie zazwyczaj opiera się na eksperckiej identyfikacji zmiennych dopasowujących i reguł decyzyjnych oraz na standardowych ankietach. Dane zebrane podczas samokontroli mogą dokładniej odzwierciedlać zachowania i wzorce glikemii danej osoby, podkreślając w ten sposób jej „fenotypy behawioralne”, jednak takie dane są rzadko wykorzystywane w krawiectwie.

Te badania koncentrują się obecnie na ułatwianiu rozwiązywania problemów w ramach samodzielnego leczenia cukrzycy. Dobrze rozwinięte umiejętności rozwiązywania problemów są niezbędne do zarządzania cukrzycą, skutkują lepszymi zachowaniami w zakresie samoopieki cukrzycowej, prowadzą do poprawy wyników klinicznych i mogą być wspierane przez bezpośrednie interwencje. Poprzednie badania sugerowały, że identyfikacja problemu i generowanie alternatyw to kluczowe kroki w rozwiązywaniu problemów w cukrzycy. W poprzedniej pracy badacze opracowali interwencję informatyczną, która opierała się na wiedzy generowanej przez ekspertów w celu pomocy jednostkom na tych etapach rozwiązywania problemów. W tym pilotażowym studium wykonalności badacze badają alternatywne rozwiązanie, które opiera się na obliczeniowej analizie wzorców danych zebranych za pomocą technologii samokontroli w celu dostosowania pomocy w rozwiązywaniu problemów do unikalnych fenotypów behawioralnych poszczególnych osób. Interwencja GlucoType wykorzystuje metody uczenia się obliczeniowego do identyfikacji systematycznych wzorców diety, aktywności fizycznej i snu poszczególnych osób, uchwyconych za pomocą niestandardowych i komercyjnych technologii samokontroli, i koreluje te wzorce z wahaniami poziomu glukozy we krwi poszczególnych osób. GlucoType następnie wykorzystuje te informacje do 1) identyfikacji wzorców zachowań związanych z wysokim skokiem glikemii, 2) sformułowania spersonalizowanych celów w celu modyfikacji tych zachowań, 3) zapewnienia wsparcia w podejmowaniu decyzji w danej chwili, aby pomóc jednostkom w bardziej konsekwentnym osiąganiu ich celów.