Perangkat yang dapat dipakai seperti jam tangan pintar akan segera memberikan sistem peringatan dini untuk diabetes tipe 2, memanfaatkan data yang telah dikumpulkan mengenai detak jantung, tidur, dan aktivitas. Sebuah studi baru yang diterbitkan di Nature pada tanggal 16 Maret menunjukkan bahwa kecerdasan buatan dapat mengidentifikasi tanda-tanda halus resistensi insulin—pendahulu utama diabetes—dengan menganalisis pola-pola ini bersama dengan data kesehatan rutin.
Masalah Tersembunyi Resistensi Insulin
Sekitar 20–40% orang dewasa di AS diperkirakan mengalami resistensi insulin, suatu kondisi di mana sel menjadi kurang responsif terhadap insulin, sehingga menyebabkan gangguan metabolisme gula. Masalahnya adalah kebanyakan orang masih belum menyadarinya karena diagnosis biasanya memerlukan tes khusus yang tidak termasuk dalam pemeriksaan kesehatan standar. Artinya, kondisi ini sering kali tidak terdeteksi hingga kadar gula darah meningkat, sehingga berpotensi menyebabkan kerusakan metabolisme yang tidak dapat diperbaiki.
Potensi Deteksi Dini
Deteksi dini resistensi insulin memungkinkan dilakukannya perubahan gaya hidup secara tepat waktu—penyesuaian pola makan, peningkatan olahraga, atau bahkan penggunaan obat GLP-1—untuk memperlambat atau membalikkan perkembangan diabetes. “Jika kita dapat mengidentifikasi orang-orang yang mengalami resistensi insulin, kita dapat mengubah keseluruhan pola perjalanan diabetes,” kata Ahmed Metwally, bioengineer di Google Research.
Skalabilitas vs. Sensor Khusus
Upaya deteksi dini sebelumnya bergantung pada sensor mahal dan khusus yang dipakai terutama oleh mereka yang sudah didiagnosis menderita diabetes. Keuntungan jam tangan pintar adalah penggunaannya secara luas: jutaan orang sudah memakainya, sehingga pemeriksaan skala besar dapat dilakukan. Menurut David Klonoff, ahli endokrinologi di Mills-Peninsula Medical Center, penelitian ini menetapkan “metode terukur… untuk deteksi dini risiko metabolik.”
Cara Kerja Sistem
Tim Riset Google mengembangkan sistem menggunakan data dari lebih dari 1.165 orang yang memakai jam tangan Fitbits atau Pixel, dengan total data puluhan juta jam. Algoritme pembelajaran mesin menggabungkan data jam tangan pintar ini dengan tes laboratorium rutin (kolesterol, glukosa) dan faktor demografi (usia, BMI) untuk mendeteksi pola yang terkait dengan resistensi insulin.
Prediksi paling akurat berasal dari penggabungan data jam tangan pintar dengan hasil lab yang ada. Akurasi model ini mencapai 76% hanya dengan uji lab, namun meningkat menjadi 88% jika data jam tangan pintar disertakan. Detak jantung istirahat terbukti sangat informatif, selain langkah harian dan durasi tidur.
Data Tidak Sempurna namun Berharga
Meskipun data jam tangan pintar tidak sempurna (pelacakan tidur diketahui tidak akurat), sinyal yang tidak sempurna ini pun menambah nilai prediktif. Potensinya terletak pada pemantauan kesehatan metabolik yang berkelanjutan dan longitudinal melalui perangkat yang dapat dikenakan yang dikombinasikan dengan AI, yang menawarkan jalan menuju pengobatan digital yang dipersonalisasi.
“Makalah ini memberikan bukti yang menarik bahwa data yang dapat dikenakan konsumen berisi informasi metabolisme penting yang relevan dengan prediksi resistensi insulin,” kata Giorgio Quer, direktur Kecerdasan Buatan di Scripps Research Translational Institute.
Teknologi ini menawarkan peluang yang menjanjikan untuk mengidentifikasi risiko metabolik sejak dini, yang berpotensi mencegah jutaan orang terkena diabetes tipe 2.
