Search Icon
ΑΝΑΖΗΤΗΣΗ
Τεχνολογία

Διαβήτης μηχανική μάθηση: Διαβήτης ή φυσιολογική γλυκόζη νηστείας;

Διαβήτης μηχανική μάθηση: Διαβήτης ή φυσιολογική γλυκόζη νηστείας;

Διαβήτης μηχανική μάθηση: Η Διεθνής Ομοσπονδία Διαβήτη προέβλεψε αύξηση από 537 εκατομμύρια διαβητικούς το 2021 σε 643 εκατομμύρια έως το 2030. 

Ο σακχαρώδης διαβήτης (ΣΔ) είναι μια αυξανόμενη πρόκληση για τη δημόσια υγεία, με πολλές ασυμπτωματικές περιπτώσεις να παραμένουν απαρατήρητες, οδηγώντας σε επιπλοκές. Η Διεθνής Ομοσπονδία Διαβήτη προέβλεψε αύξηση από 537 εκατομμύρια διαβητικούς το 2021 σε 643 εκατομμύρια έως το 2030. Τα μη διαγνωσμένα περιστατικά επιβαρύνουν το σύστημα υγειονομικής περίθαλψης, δίνοντας έμφαση στην έγκαιρη διάγνωση και στροφή στη μηχανική μάθηση για αποτελεσματικό έλεγχο.

Παρά την αποδεδειγμένη ακρίβειά του στην πρόβλεψη κινδύνου, το να βασίζεστε αποκλειστικά στη γλυκόζη αίματος νηστείας μπορεί να παραβλέψετε πολλές περιπτώσεις. Πολλά άτομα με διαβήτη παρουσιάζουν φυσιολογική γλυκόζη νηστείας, υπογραμμίζοντας την ανάγκη για ευρύτερες μεθόδους προσυμπτωματικού ελέγχου και περαιτέρω έρευνα για τη βελτίωση της ανίχνευσης σε διάφορα δημογραφικά στοιχεία.

Διαβήτης: Σχετικά με τη μελέτη

Η παρούσα μελέτη συνέλεξε δεδομένα φυσικής εξέτασης από τρία νοσοκομεία για την ανάπτυξη ενός πλαισίου για τον εντοπισμό διαβητικών ασθενών με φυσιολογική γλυκόζη νηστείας. Αυτά τα δεδομένα, που κατηγοριοποιήθηκαν ως D1, D2 και D3, υποβλήθηκαν σε αυστηρό καθαρισμό, με δείγματα ταξινομημένα με βάση τα διαγνωστικά κριτήρια του διαβήτη του Παγκόσμιου Οργανισμού Υγείας (ΠΟΥ). Λόγω μιας προφανούς ανισορροπίας τάξης στα σύνολα δεδομένων, εφαρμόστηκε η τεχνική υπερδειγματοληψίας συνθετικής μειοψηφίας (SMOTE), ακολουθούμενη από κανονικοποίηση της βαθμολογίας Z για τυποποίηση.

Το υπολογιστικό μοντέλο χρησιμοποίησε πολλαπλές τεχνικές μηχανικής μάθησης, με το βαθύ νευρωνικό δίκτυο (DNN) να δείχνει ανώτερη απόδοση. Καθιερωμένες μετρήσεις όπως η ευαισθησία και η ακρίβεια χρησιμοποιήθηκαν για τη βελτίωση του μοντέλου, λαμβάνοντας υπόψη τη σημαντική ανισορροπία κατηγορίας των δεδομένων. Παρά τις 27 δυνατότητες που χρησιμοποιήθηκαν αρχικά για προβλέψεις, υπήρξε μια προσπάθεια βελτιστοποίησης αυτού εξαλείφοντας πιθανές απολύσεις. Αυτό επικεντρώθηκε σε 13 βασικά χαρακτηριστικά, που διακρίθηκαν μέσω της χειροκίνητης επιμέλειας και της ανάλυσης μέγιστης συνάφειας και ελάχιστου πλεονασμού (mRMR).

Αποτελέσματα μελέτης

Μεταξύ 2015 και 2018, συλλέχθηκαν δεδομένα φυσικής εξέτασης από το First Affiliated Hospital του Ιατρικού Κολλεγίου Wannan, δίνοντας 61.059 δείγματα με φυσιολογική γλυκόζη νηστείας (NFG). Σχεδόν το 1% (603 συμμετέχοντες) από αυτούς αναγνωρίστηκε ως διαβητικός με βάση ένα όριο επιπέδου αιμοσφαιρίνης A1c (HbA1c) 6,5%. Συγκεκριμένα, η ομάδα των διαβητικών είχε μέσο Δείκτη Μάζας Σώματος (ΔΜΣ) 1,08 μονάδες υψηλότερο και ήταν, κατά μέσο όρο, μεγαλύτερη κατά 10,6 χρόνια σε σύγκριση με τη μη διαβητική ομάδα.

Τα πιο διακριτικά χαρακτηριστικά μεταξύ των διαβητικών και των μη διαβητικών ήταν ο απόλυτος αριθμός λεμφοκυττάρων (ALC), η ηλικία, η γλυκόζη αίματος νηστείας (FBG), ο BMI και ο αριθμός των λευκών αιμοσφαιρίων (WBC), με επιπλέον 11 σημαντικά χαρακτηριστικά που εντοπίστηκαν επίσης. Δεδομένου ότι πολλά ζεύγη χαρακτηριστικών, όπως η αιμοσφαιρίνη (HGB) και ο αιματοκρίτης (HCT) ή τα ουδετερόφιλα (NEU) και τα λεμφοκύτταρα (LYM), είχαν υψηλή συσχέτιση, υπήρχε ανάγκη να εξαλειφθεί ο πλεονασμός για να σταθεροποιηθεί το μοντέλο.

Χρησιμοποιώντας τη χειροκίνητη επιμέλεια και την τεχνική mRMR, εντοπίστηκε ένας βέλτιστος χώρος χαρακτηριστικών. Από τα αρχικά 27 χαρακτηριστικά, επιλέχθηκαν μόνο 13. Και οι δύο μέθοδοι τόνισαν τη σημασία του FBG, του BMI, του ALC και της ηλικίας. Όταν δοκιμάστηκαν, τα μοντέλα που κατασκευάστηκαν με 13 χαρακτηριστικά ξεπέρασαν ελαφρώς τα μοντέλα με 27, επιδεικνύοντας αύξηση της ακρίβειας και της ευαισθησίας. Πραγματοποιήθηκε περαιτέρω επικύρωση σε δύο ανεξάρτητα σετ δοκιμών, το D2 και το D3. Οι τιμές Area Under the Curve (AUC) και των δύο μοντέλων ξεπέρασαν το 0,95 στο D2 και πλησίασαν το 0,90 στο D3.

Ένα αξιοσημείωτο μειονέκτημα ήταν το ψευδώς θετικό ποσοστό του μοντέλου mRMR στο εξαιρετικά μη ισορροπημένο σύνολο δεδομένων D2. Ωστόσο, αυτά τα αποτελέσματα κατέδειξαν την ικανότητα του μοντέλου στον εντοπισμό μη διαγνωσμένων διαβητικών στον πληθυσμό NFG. Για να προσδιορίσει ποια χαρακτηριστικά ήταν υψίστης σημασίας για τον προσδιορισμό του διαβητικού κινδύνου, η μελέτη βασίστηκε στα βάρη από το μοντέλο χειροκίνητης επιμέλειας 13 χαρακτηριστικών. Το ALC, το FBG, η ηλικία, το φύλο και ο ΔΜΣ εμφανίστηκαν ως οι πέντε κορυφαίες μεταβλητές.

 

 

Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον Κόσμο
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube

Διαβάστε Eπίσης:

Μπορεί αυτό το εβδομαδιαίο πρόγραμμα προπόνησης να αναστρέψει τον διαβήτη;

Γιατί οι πληγές συχνά επουλώνουν αργά στους διαβητικούς;

Μόλις 2 λεπτά περπάτημα μετά το φαγητό μπορεί να βοηθήσει το σάκχαρο στο αίμα

Πώς η τεχνολογία συμβάλλει στην διαχείριση του διαβήτη;

svg%3E svg%3E
svg%3E
svg%3E
Περισσότερα

Επαναστατική λύση για τη φροντίδα των χρόνιων ασθενειών

Απομακρυσμένη παρακολούθηση: Παρέχει συνεχή, σε πραγματικό χρόνο, δεδομένα, επιτρέποντας έγκαιρες παρεμβάσεις, διευκολύνοντας την εξατομικευμένη φροντίδα και μειώνοντας το κόστος υγειονομικής περίθαλψης.

Νέος αισθητήρας θα μπορούσε να ανιχνεύσει το χαλασμένο κρέας

Αισθητήρας κρέας: Σε μια πρόσφατη ανακάλυψη στην επιστήμη της ασφάλειας των τροφίμων, οι ερευνητές σχεδίασαν έναν νέο βιοαισθητήρα με βάση το γραφένιο που μπορεί να ανιχνεύσει με ακρίβεια τη φρεσκάδα του κρέατος

Πώς η τεχνητή νοημοσύνη μπορεί να βοηθήσει στη θεραπεία του λόγου;

AI λόγος: Η Τεχνητή Νοημοσύνη (AI) έχει τη δυνατότητα να φέρει επανάσταση στη λογοθεραπεία, προσφέροντας καινοτόμα εργαλεία και μεθόδους για τη βελτίωση της αποτελεσματικότητας και της προσβασιμότητας της θεραπείας.

Πώς η τεχνητή νοημοσύνη επηρεάζει το botox;

AI botox: Η Τεχνητή Νοημοσύνη (AI) κάνει σημαντικά βήματα στον τομέα της αισθητικής δερματολογίας, ιδιαίτερα στη χορήγηση και βελτιστοποίηση των θεραπειών Botox.

Γιατί ένας «AI health coach» δεν θα λύσει τα προβλήματα χρόνιων ασθενειών στον κόσμο

Την περασμένη εβδομάδα, δύο μεγάλα ονόματα των βιομηχανιών τεχνητής νοημοσύνης (AI) και ευεξίας ανακοίνωσαν μια συνεργασία για την ανάπτυξη ενός «εξατομικευμένου, υπερ-εξατομικευμένου AI health coach που θα είναι διαθέσιμο ως εφαρμογή για κινητά»

Αναπτύχθηκε επίδεσμoς που μπορεί να παρακολουθεί τα επίπεδα γλυκόζης στον ιδρώτα

Επιστήμονες επίδεσμος: Επιστήμονες από το Τεχνολογικό Πανεπιστήμιο Nanyang της Σιγκαπούρης (NTU Singapore) ανέπτυξαν έναν πρωτοποριακό φορετό αισθητήρα που μπορεί να παρακολουθεί τα επίπεδα γλυκόζης μέσω του ιδρώτα

Εμφυτεύσιμη ασύρματη συσκευή LED υπόσχεται να καταστρέψει τα καρκινικά κύτταρα

Συσκευή LED: Ο αναπληρωτής καθηγητής ηλεκτρολόγων μηχανικών Thomas O'Sullivan, ένας από τους συγγραφείς της μελέτης, εξήγησε ότι διαφορετικά χρώματα φωτός διεισδύουν στους ιστούς με διαφορετικό βάθος.

Close Icon