Draagbare apparaten zoals smartwatches kunnen binnenkort een systeem voor vroegtijdige waarschuwing bieden voor diabetes type 2, waarbij gebruik wordt gemaakt van de gegevens die ze al verzamelen over hartslag, slaap en activiteit. Een nieuwe studie gepubliceerd in Nature op 16 maart toont aan dat kunstmatige intelligentie subtiele tekenen van insulineresistentie – een belangrijke voorloper van diabetes – kan identificeren door deze patronen te analyseren naast routinematige gezondheidsgegevens.
Het verborgen probleem van insulineresistentie
Naar schatting lijdt ongeveer 20-40% van de Amerikaanse volwassenen aan insulineresistentie, een aandoening waarbij cellen minder reageren op insuline, wat leidt tot een verminderd suikermetabolisme. Het probleem is dat de meeste mensen zich er niet van bewust zijn, omdat voor de diagnose doorgaans gespecialiseerde tests nodig zijn die niet zijn opgenomen in de standaard medische controles. Dit betekent dat de aandoening vaak onopgemerkt blijft totdat de bloedsuikerspiegel stijgt, wat mogelijk onomkeerbare metabolische schade kan veroorzaken.
Het potentieel van vroege detectie
Vroegtijdige detectie van insulineresistentie zou tijdige veranderingen in levensstijl mogelijk kunnen maken – aanpassingen van het voedingspatroon, meer lichaamsbeweging of zelfs het gebruik van GLP-1-medicijnen – om de progressie naar diabetes te vertragen of om te keren. “Als we mensen kunnen identificeren wanneer ze insulineresistent zijn, kunnen we het hele traject van diabetes veranderen”, zegt Ahmed Metwally, bio-ingenieur bij Google Research.
Schaalbaarheid versus gespecialiseerde sensoren
Eerdere pogingen tot vroegtijdige detectie waren gebaseerd op dure, gespecialiseerde sensoren die voornamelijk werden gedragen door mensen bij wie al de diagnose diabetes was gesteld. Het voordeel van smartwatches is het wijdverbreide gebruik ervan: miljoenen mensen dragen ze al, waardoor grootschalige screening mogelijk wordt. Volgens David Klonoff, een endocrinoloog bij het Mills-Peninsula Medical Center, vormt deze studie een “schaalbare methode … voor vroege detectie van metabolische risico’s.”
Hoe het systeem werkt
Het Google Research-team heeft een systeem ontwikkeld met behulp van gegevens van meer dan 1165 personen die Fitbits- of Pixel-horloges dragen, wat in totaal tientallen miljoenen uren aan gegevens oplevert. Machine learning-algoritmen combineerden deze smartwatch-gegevens met routinematige laboratoriumtests (cholesterol, glucose) en demografische factoren (leeftijd, BMI) om patronen te detecteren die verband houden met insulineresistentie.
De meest nauwkeurige voorspellingen kwamen voort uit het combineren van smartwatch-gegevens met bestaande laboratoriumresultaten. Het model behaalde een nauwkeurigheid van 76% met alleen laboratoriumtests, maar steeg tot 88% wanneer smartwatch-gegevens werden meegerekend. De hartslag in rust bleek bijzonder informatief, naast het aantal dagelijkse stappen en de slaapduur.
Onvolmaakte maar waardevolle gegevens
Hoewel smartwatch-gegevens niet perfect zijn (het is bekend dat slaapregistratie onnauwkeurig is), voegen zelfs deze imperfecte signalen voorspellende waarde toe. Het potentieel ligt in continue, longitudinale monitoring van de metabolische gezondheid door middel van wearables in combinatie met AI, die een weg bieden naar gepersonaliseerde digitale geneeskunde.
“Dit artikel bewijst op overtuigende wijze dat data van draagbare consumentenproducten substantiële metabolische informatie bevatten die relevant is voor het voorspellen van insulineresistentie”, zegt Giorgio Quer, directeur Kunstmatige Intelligentie bij het Scripps Research Translational Institute.
De technologie biedt een veelbelovende mogelijkheid om metabolische risico’s vroegtijdig te identificeren, waardoor mogelijk wordt voorkomen dat miljoenen mensen type 2-diabetes ontwikkelen.
