Περίπου το 25% των ενηλίκων που ζουν με διαβήτη τύπου 2 αντιμετωπίζουν δυσκολίες στην αποτελεσματική ρύθμιση του σακχάρου τους, με αποτέλεσμα η ποσοστιαία περιεκτικότητα της γλυκοζυλιωμένης αιμοσφαιρίνης τους να ξεπερνά το 8%.
Σε αυτές τις περιπτώσεις, όπου ο έλεγχος του διαβήτη δεν επιτυγχάνεται επαρκώς, οι γιατροί συχνά καταφεύγουν στη χορήγηση ινσουλίνης ως θεραπεία.
Advertisment
Ωστόσο, για την αποτελεσματικότητα της θεραπείας με ινσουλίνη, είναι κρίσιμο να γίνεται ακριβής ρύθμιση των δόσεων. Αυτό σημαίνει ότι ο ασθενής πρέπει να βρει σταδιακά την ιδανική δόση ινσουλίνης που θα ελέγχει αποτελεσματικά το σάκχαρό του.
Η διαδικασία αυτή συνήθως απαιτεί πολλαπλές επισκέψεις στον ειδικό. Ωστόσο, παράγοντες όπως η έλλειψη χρόνου, η πίεση των διαδοχικών ραντεβού και η ελλιπής τήρηση της θεραπείας συχνά αποτυγχάνουν να επιτύχουν τον επιθυμητό γλυκαιμικό έλεγχο με τη χρήση ινσουλίνης.
Ενόψει αυτού του προβλήματος, ερευνητές από το Πανεπιστήμιο Στάνφορντ διερεύνησαν τη δυνατότητα οι ασθενείς να αναλάβουν μόνοι τους τη ρύθμιση της ινσουλίνης, ως μια πιθανή λύση για την αντιμετώπιση των προαναφερθέντων προκλήσεων.
Advertisment
Για την ασφαλή και αποτελεσματική αυτοδιαχείριση της ινσουλίνης, οι ασθενείς χρειάζονται συνεχή εκπαίδευση για να διασφαλίσουν ότι ακολουθούν σωστά τις οδηγίες δοσολογίας. Στις ΗΠΑ, οι ασφαλιστικές εταιρείες επιστρατεύουν επαγγελματίες υγείας, όπως νοσηλευτές και φαρμακοποιούς, για να τηρούν πρωτόκολλα που βοηθούν στη διαδικασία αυτή, ενώ παράλληλα αξιοποιούνται και ψηφιακά εργαλεία υγείας, όπως εφαρμογές για κινητά και συσκευές απομακρυσμένης παρακολούθησης.
Σε μια σχετική έρευνα που δημοσιεύθηκε στο JAMA, οι ερευνητές του Στάνφορντ ανέπτυξαν μια εφαρμογή τεχνητής νοημοσύνης που επιτρέπει στον ασθενή να διαχειρίζεται από μόνος του την ρύθμιση της βασικής ινσουλίνης στο σπίτι. Από τους 330 αρχικώς επιλεγμένους ασθενείς, τελικά συμπεριλήφθηκαν 32 άτομα ηλικίας 30-74 ετών με μέση γλυκοζυλιωμένη αιμοσφαιρίνη 9,6%. Οι μισοί από αυτούς χρησιμοποίησαν την εφαρμογή τεχνητής νοημοσύνης, ενώ οι υπόλοιποι ακολούθησαν την καθιερωμένη διαδικασία περίθαλψης για τον έλεγχο της απόδοσης.
Οι ασθενείς που χρησιμοποιούσαν την τεχνητή νοημοσύνη παρουσίασαν απόκλιση πάνω από 30% στη ρύθμιση της ινσουλίνης σε σύγκριση με εκείνους που ακολούθησαν την καθιερωμένη διαδικασία.
Αποτελέσματα
Η μελέτη αυτή αποκάλυψε σημαντικές διαφορές στον χρόνο που χρειάστηκε για να καθοριστεί η ιδανική δοσολογία ινσουλίνης μεταξύ δύο ομάδων: μίας που χρησιμοποίησε τεχνητή νοημοσύνη (ΤΝ) και μίας με τυπική φροντίδα. Ενώ η ομάδα που χρησιμοποίησε ΤΝ χρειάστηκε κατά μέσο όρο μόλις 15 ημέρες (με εύρος 6-27 ημέρες) για να βρει την κατάλληλη δοσολογία, η ομάδα με την συνηθισμένη φροντίδα χρειάστηκε πάνω από 56 ημέρες (29,5 έως 56 ημέρες). Εντυπωσιακό είναι ότι μέσα σε οκτώ εβδομάδες, λιγότεροι από τους μισούς στην τελευταία ομάδα κατάφεραν να επιτύχουν τη βέλτιστη δοσολογία.
Ενδιαφέρον είναι επίσης ότι η ομάδα με την τεχνητή νοημοσύνη είχε πολύ υψηλότερο ποσοστό συμμόρφωσης στη θεραπεία (82,9%), σε σύγκριση με το 50,2% της συμβατικής ομάδας, δηλαδή μια αύξηση της τάξης του 32,7%. Οι συμμετέχοντες στην ομάδα ΤΝ είχαν κατά μέσο όρο 7,3 αυτοματοποιημένες προσαρμογές στη δοσολογία της ινσουλίνης, ενώ η άλλη ομάδα είχε μόνο 1,6 τέτοιες προσαρμογές. Από τους 32 συμμετέχοντες, οι 31 ολοκλήρωσαν τις τρεις έρευνες της μελέτης σε διάστημα οκτώ εβδομάδων.
Παρατηρήθηκε επίσης σημαντική μείωση στις βαθμολογίες των προβλημάτων που αντιμετωπίζουν οι ασθενείς με τον διαβήτη τους στην ομάδα ΤΝ (μέση μείωση 1,9 μονάδων), ενώ στην ομάδα της καθιερωμένης φροντίδας παρατηρήθηκε αύξηση κατά μέσο όρο 1,7 μονάδων, δίνοντας μια μέση διαφορά 3,6 βαθμών. Η στάση των ασθενών απέναντι στην τεχνολογία υγείας βελτιώθηκε ελαφρώς (0,3 μονάδες) στην ομάδα ΤΝ, ενώ χειροτέρεψε στην άλλη ομάδα (μείωση 1,1 μονάδων), δίνοντας μια διαφορά 1,4 μονάδων. Ανάλογη βελτίωση παρατηρήθηκε και στη συμμόρφωση των ασθενών με τη φαρμακευτική τους αγωγή, με την ομάδα ΤΝ να βελτιώνεται κατά μέσο όρο κατά 0,8 μονάδες και την άλλη ομάδα να χειροτερεύει κατά 0,1 μονάδες.
Η Εφαρμογή
Χρησιμοποιώντας μια ειδική εφαρμογή, το 81.3% των συμμετεχόντων σε μια ομάδα που βασίστηκε στην τεχνητή νοημοσύνη κατάφεραν να ελέγξουν επιτυχώς τα επίπεδα σακχάρου στο αίμα τους, μειώνοντας το μέσο επίπεδο γλυκόζης κάτω από 130 mg/dL μέσα σε 8 εβδομάδες. Κατά τη διάρκεια αυτής της περιόδου, έλαβαν κατά μέσο όρο 8.2 αυτόματες ρυθμίσεις ινσουλίνης.
Αντίθετα, στην ομάδα που ακολουθούσε την παραδοσιακή φροντίδα, μόνο το 25% των συμμετεχόντων κατάφερε να επιτύχει αυτόν τον έλεγχο της γλυκόζης.
Από τους 32 συμμετέχοντες της μελέτης, 30 είχαν αρκετά δεδομένα για να συμπεριληφθούν στην ανάλυση της μέσης αλλαγής των επιπέδων γλυκόζης. Στην ομάδα της τεχνητής νοημοσύνης, τα επίπεδα γλυκόζης μειώθηκαν κατά μέσο όρο 45.9 mg/dL σε 8 εβδομάδες, ενώ στην ομάδα της παραδοσιακής φροντίδας σημειώθηκε μια μέση αύξηση των επιπέδων γλυκόζης κατά 23.0 mg/dL.
Οι συμμετέχοντες της ομάδας με την τεχνητή νοημοσύνη κατέγραψαν δεδομένα για τα επίπεδα σακχάρου τους σχεδόν καθημερινά, με το 81.3% τους να επιτυγχάνει γλυκαιμικό έλεγχο.
Κατά τη διάρκεια της μελέτης, οι ασθενείς επισκέφθηκαν κατά μέσο όρο 1.3 φορές έναν επαγγελματία υγείας. Στην ομάδα της τεχνητής νοημοσύνης, 4 συμμετέχοντες είχαν αλλαγές στο πρωτόκολλο ινσουλίνης τους από τον γιατρό τους μέσω διαδικτύου, ενώ 11 δεν είχαν καμία επαφή με την ερευνητική ομάδα μετά την ένταξή τους στη μελέτη.
Δεν καταγράφηκαν σοβαρά περιστατικά υπο- ή υπεργλυκαιμίας σε καμία από τις ομάδες. Στην ομάδα της τεχνητής νοημοσύνης αντιμετωπίστηκαν 11 περιστατικά μη σοβαρής υπογλυκαιμίας αυτόνομα από την εφαρμογή, ενώ η ομάδα παραδοσιακής φροντίδας είχε 10 τέτοια περιστατικά.
Η διάρκεια της μελέτης ήταν πολύ σύντομη για να μετρηθεί η μείωση της γλυκοζυλιωμένης αιμοσφαιρίνης.
