AI-Based Diabetic Foot Recurrence Cohort

Owrzodzenie stopy cukrzycowej (DFU) to główny niekorzystny skutek cukrzycy, która sama w sobie jest jedną z najważniejszych chorób przewlekłych. Nawrót DFU obejmuje wiele czynników ryzyka, w tym zmienione wzorce obciążenia stopy, przestrzeganie zaleceń przez pacjenta, zdolność opieki rodzinnej, monitorowanie poziomu glukozy we krwi, stopień niedokrwienia oraz kontrolę chorób ogólnoustrojowych. Wczesne rozpoznanie oznak nawrotu i terminowe interwencje kontrolne są kluczowe dla poprawy rokowania, zmniejszenia wskaźników niepełnosprawności i obniżenia kosztów opieki zdrowotnej. Jednak tradycyjne systemy kontroli po leczeniu pozbawione są zindywidualizowanych strategii – takich jak stratyfikacja ryzyka, sztywne odstępy między wizytami kontrolnymi oraz niewystarczające zarządzanie przestrzeganiem zaleceń – co często prowadzi do nieoptymalnych wyników. Pacjenci wysokiego ryzyka, skłonni do nawrotów, mogą nie być wystarczająco często monitorowani w celu wczesnego wykrycia, podczas gdy pacjenci niskiego ryzyka mogą przechodzić niepotrzebne wizyty, zwiększając obciążenie zarówno dla pacjentów, jak i dla świadczeniodawców opieki zdrowotnej. Ta nieefektywność w znacznym stopniu przyczynia się do utrzymującej się wysokiej liczby przypadków niepełnosprawności i śmiertelności wśród pacjentów z nawracającym DFU.

Ustanowienie zindywidualizowanej strategii kontroli po leczeniu dla DFU, wspieranej zaawansowaną technologią w celu rozwiązania kluczowych problemów, takich jak opóźnione ostrzeżenia o nawrocie i niewystarczające zarządzanie w warunkach domowych, stanowi skuteczną ścieżkę techniczną do rozwiązania tych problemów.

Nasze centrum proponuje utworzenie dedykowanej kohorty DFU z kompleksową aktywną kontrolą po leczeniu i multimodalną bazą danych obejmującą dobrze zdefiniowane wskaźniki. Naszym celem jest zbadanie systemu klasyfikacji stopy wysokiego ryzyka w celu zapobiegania nawrotom DFU oraz opracowanie ukierunkowanych protokołów kontroli. Wykorzystując technologię sztucznej inteligencji, zamierzamy zbudować system ostrzegania o ranach zdolny do identyfikacji nawrotu DFU. Ponadto dążymy do stworzenia telemedycznego i wspieranego przez AI, skoncentrowanego na pacjencie, domowego systemu samodzielnego zarządzania w celu wczesnego ostrzegania i zapobiegania nawrotom DFU.