Носимые устройства, такие как умные часы, в ближайшем будущем могут стать системой раннего предупреждения о диабете 2 типа, используя данные, которые они уже собирают о частоте сердечных сокращений, сне и активности. Новое исследование, опубликованное в журнале Nature 16 марта, демонстрирует, что искусственный интеллект способен выявлять едва заметные признаки инсулинорезистентности — ключевого предвестника диабета — путем анализа этих закономерностей вместе с обычными показателями здоровья.
Скрытая проблема инсулинорезистентности
По оценкам, примерно 20–40% взрослых в США страдают от инсулинорезистентности, состояния, при котором клетки становятся менее чувствительными к инсулину, что приводит к нарушению метаболизма сахара. Главная проблема заключается в том, что большинство людей об этом не знают, поскольку для диагностики обычно требуются специализированные тесты, которые не входят в стандартные медицинские осмотры. Это означает, что состояние часто остается незамеченным до повышения уровня сахара в крови, что потенциально может привести к необратимым метаболическим повреждениям.
Потенциал раннего выявления
Раннее выявление инсулинорезистентности может позволить своевременно изменить образ жизни — скорректировать диету, увеличить физическую активность или даже использовать препараты ГПЛ-1 — чтобы замедлить или обратить вспять прогрессирование к диабету. «Если мы сможем выявлять людей, когда у них развивается инсулинорезистентность, мы сможем изменить всю траекторию развития диабета», — утверждает Ахмед Метволли, биоинженер из Google Research.
Масштабируемость против специализированных датчиков
Предыдущие попытки раннего выявления полагались на дорогие специализированные датчики, которые в основном носили люди, уже диагностированные с диабетом. Преимущество умных часов заключается в их широком распространении: миллионы людей уже носят их, что делает массовый скрининг осуществимым. По словам Дэвида Клоноффа, эндокринолога из Mills-Peninsula Medical Center, это исследование устанавливает «масштабируемый метод… для раннего выявления метаболического риска».
Как работает система
Команда Google Research разработала систему, использующую данные более чем 1165 человек, носящих Fitbit или Pixel Watch, что составляет десятки миллионов часов данных. Алгоритмы машинного обучения объединили эти данные умных часов с рутинными лабораторными тестами (холестерин, глюкоза) и демографическими факторами (возраст, ИМТ) для выявления закономерностей, связанных с инсулинорезистентностью.
Наиболее точные прогнозы были получены при объединении данных умных часов с существующими лабораторными результатами. Модель достигла точности 76% только с использованием лабораторных тестов, но повысилась до 88%, когда были включены данные умных часов. Особенно информативным оказался пульс в состоянии покоя, а также ежедневное количество шагов и продолжительность сна.
Несовершенные, но ценные данные
Хотя данные умных часов не идеальны (отслеживание сна известно своей неточностью), даже эти несовершенные сигналы добавляют прогностическую ценность. Потенциал заключается в непрерывном, продольном мониторинге метаболического здоровья с помощью носимых устройств в сочетании с искусственным интеллектом, что открывает путь к персонализированной цифровой медицине.
«Эта статья убедительно доказывает, что данные потребительских носимых устройств содержат значимую метаболическую информацию, относящуюся к прогнозированию инсулинорезистентности», — утверждает Джорджио Кер, директор по искусственному интеллекту в Scripps Research Translational Institute.
Эта технология предлагает многообещающую возможность выявлять метаболические риски на ранней стадии, потенциально предотвращая развитие диабета 2 типа у миллионов людей.
