这套,机器学习可以预测短期前驱糖尿病患者的血糖控制

而不是依靠传统方法,只能预测病人的血糖控制将从前驱糖尿病进展到糖尿病在未来5到10年,一个研究小组发现,结合实时数据从可穿戴监视器和机器学习方法可以创建准确和血糖控制短期预测只有六个月的数据。佩雷尔曼医学院的领导的研究,在宾夕法尼亚大学,开启了大门可能预防糖尿病通过更直接的干预措施在这个人口众多。这些发现发表在npj数字医学。

“尽管三分之一的成年人在美国有前驱糖尿病,我们缺乏一种实时识别如果病人进展朝向或远离糖尿病,”第一作者Mitesh Patel表示,医学博士、MBA,医学副教授潘和副总裁临床转换提升。“卫生系统和保险公司可以使用这种类型的信息来更好的推荐行为的变化或者药物预防糖尿病以同样的方式,风险预测分数已经被用于预防心脏病。”

前驱糖尿病是一种状态,病人的血糖升高,但不是水平的糖尿病。这些患者进展到疾病的风险,所以一般医生决定病人的护理基于模型发展到预测血糖控制——称为“血糖”控制技术——与时间点基线数据,如测试或信息从一个约会。短期预测的数据仍然有限,大多数预测集中在未来5至10年。

,还有很多需要改进时预防。所以宾夕法尼亚大学医学研究人员是否可以创建一个模型,将使预测更直接,使用可穿戴设备和组合预测的公式有或没有应用机器学习技术。

参与者招募到宾夕法尼亚大学医学和研究的随机分配到不同的武器。每个病人被跟踪运动的设备,心率,和睡眠活动,要么是指定一个可穿戴的戴在手腕或腰部。设备被同步到健康,宾夕法尼亚大学医学跟踪数据平台,每天把信息从设备。所有的患者同时接受一个电子体重秤,类似的同步。六个月后,每个病人收到实验室测试和最后一个称重。总共150人完成了这项研究。

当研究小组分析了他们的数据,他们发现,几乎在所有的学科上,血糖控制的预测明显更好的患者中使用手腕衣物。包括病人最好还是恶化血糖控制。研究人员注意到患者的手腕设备平均比那些腰这套1000多步骤。

“这是一项随机试验,所以活动水平基准应该是相似的,但是由于我们发现高步计数可戴用户,这可能表明他们都穿着更长时间的设备,”帕特尔说。“这可能导致预测的差异相比waist-worn可穿的用户。”

比较使用机器学习预测模型与传统模型,研究人员发现,机器学习模型有一个一致的边缘。当数据被使用的设备类型的分解,机器学习的预测能力变得更强,搭配可戴设备。

然而,预测功率最高时机器学习方法也结合了传统模型(和搭配了一个戴装置)。

研究人员说,下一步是使用的预测模型研究融入正常的保健系统达到一个更广泛的患者人群。这可能是一个轻微的障碍,但佩恩已经有一条腿由于平台开发。

“组织需要一个可伸缩的平台捕获和合成数据和理想情况下生成自动响应,这样的反馈可以提供在规模,”资深作者凯文沃尔普说,医学博士,博士,中心主任健康动机和行为经济学。“我们已经开发出健康平台,佩恩已成功用于远程病人监控数据集成到临床护理在各种临床上下文。这个平台是由许多组织在美国使用,健康或类似的方法可以用来帮助实现这些类型的方法更广泛。”