Mesterséges intelligencia segítheti az inzulinadagolást

A Journal of Biomedical Informatics folyóirat júniusi számának hasábjain jelent meg a University of Bristol kutatócsoportjának cikke, amelyben kiváló eredménnyel alkalmaztak mesterséges intelligenciát 1-es típusú cukorbetegek inzulinadagolásának szabályozására. Érdekes módon a vizsgálatban alkalmazott AI algoritmus tanulási módszere azonos az önvezető járműveket irányító, valamint a sakknagymestereket is legyőző módszerrel: ez az úgynevezett megerősítéses tanulás (reinforcement learning). Ez az algoritmus, amelyben a számítógépes program különböző cselekvések kipróbálásával tanul meg döntéseket hozni, biztonság és hatékonyság szempontjából jelentősen felülmúlta a kereskedelmi forgalomban kapható vércukorszint-szabályozókat.

A helytelen inzulinadagolással járó nagy kockázat miatt a kísérleteket szimulációkkal, az FDA által is engedélyezett UVA/Padova szimulátorral végezték, amely egy virtuális betegekből álló populációt hoz létre. A legmodernebb offline megerősítéses tanulási algoritmusokat az egyik legszélesebb körben használt mesterséges hasnyálmirigy-szabályozó algoritmussal szemben értékelték. Ezt az összehasonlítást 30 virtuális beteg (felnőttek, serdülők és gyermekek) esetében végezték el, és 7000 napnyi adatot vettek figyelembe, a teljesítményt pedig a jelenlegi klinikai irányelvek szerint értékelték. A szimulátort kiterjesztették a reális végrehajtási kihívások figyelembevételére is, mint például a mérési hibák, a helytelen beteginformációk és a korlátozott mennyiségben rendelkezésre álló adatok. Az új tanulmány eredményei azt mutatják, hogy az offline megerősítéses tanulás fontos mérföldkövet jelenthet a betegek ellátásában. A szimulációk során a legnagyobb javulást a gyermekeknél tapasztalták, akiknél napi 1,5 órával sikerül megnövelni a glükózszint célzott tartományban tartásának hosszát.