Trajektorie chorób przewidywanych przez sztuczną inteligencję w cukrzycy: badanie retrospektywne (AI-TRYDIA)

Proponowane badanie ma na celu wykorzystanie mocy sztucznej inteligencji (AI) i uczenia maszynowego (ML) do zaspokojenia kluczowych potrzeb klinicznych w leczeniu cukrzycy (DM), przewlekłej i nieremisyjnej choroby, która znacząco wpływa na życie pacjentów. Pomimo dostępności terapii hipoglikemicznych, zapobieganie powikłaniom zarówno mikronaczyniowym (retinopatia, nefropatia, neuropatia), jak i makronaczyniowym (choroba sercowo-naczyniowa, choroba naczyń mózgowych i choroba tętnic obwodowych) pozostaje wyzwaniem, a ryzyko powikłań u pacjentów z cukrzycą jest wyższe w porównaniu z populacją ogólną.

Badanie skupia się na dwóch głównych celach: po pierwsze, a priori zidentyfikować pacjentów o różnym prawdopodobieństwie wystąpienia powikłań cukrzycy, co umożliwi zastosowanie bardziej wymagającego podejścia w przypadku osób o większym ryzyku; po drugie, wskazanie najskuteczniejszych wyborów terapeutycznych dostosowanych do indywidualnych profili pacjentów. Cele te wynikają z odmiennych cech klinicznych i potrzeb w leczeniu DM typu 1 (T1DM) i DM typu 2 (T2DM). W przypadku T1DM zjawisko częściowej remisji klinicznej po postawieniu diagnozy, charakteryzujące się zmniejszonym zapotrzebowaniem na insulinę i zmiennością glikemii, sugeruje szansę na poprawę wyników długoterminowych. Z drugiej strony w leczeniu T2DM brakuje jasnych wytycznych dotyczących spersonalizowanych schematów leczenia po metforminie, co podkreśla lukę w optymalizacji leczenia.

Wykorzystanie sztucznej inteligencji i uczenia maszynowego do analizy wielowymiarowych i podłużnych danych zdrowotnych stanowi innowacyjne podejście do przewidywania trajektorii choroby i wyników terapeutycznych w DM. To obserwacyjne, retrospektywne badanie, początkowo monocentryczne, z potencjałem szerszej integracji danych, będzie dotyczyć elektronicznej dokumentacji medycznej (EHR) przy użyciu oprogramowania Smart Digital Clinic Software (Meteda). Poprzez badanie przesiewowe pacjentów w oparciu o określone kryteria kwalifikacyjne, w tym klasyfikację typu DM i historyczne markery stanu zdrowia, badanie to ma na celu wygenerowanie dwóch odrębnych kohort pacjentów do dogłębnej analizy.

Badanie to nie tylko uwzględnia pilną potrzebę kliniczną, mając na celu ulepszenie spersonalizowanego leczenia cukrzycy i zapobieganie powikłaniom, ale także przyczynia się do powstania rodzącej się dziedziny zastosowań sztucznej inteligencji w opiece zdrowotnej. Celem tego badania jest przedstawienie nowych spostrzeżeń, potwierdzenie przydatności sztucznej inteligencji i uczenia maszynowego w prognozach medycznych oraz stworzenie podstaw pod przyszłe badania i praktyki kliniczne obejmujące postęp technologiczny w celu poprawy opieki nad pacjentem.