Site icon TechAddikt

Fujitsu: hogyan segíti a mesterséges intelligencia a cukorbetegség személyre szabott kezelését?

Fontos az optimális hipoglikémiás gyógyszer felírása minden beteg esetében

Napjainkban világszerte növekszik a cukorbetegek száma. A cukorbetegséget a túl magas vércukorszint okozza. Ha valakinek huzamosabb ideig túl magas a vércukorszintje, különféle szövődmények alakulhatnak ki. A japán Egészségügyi, Munkaügyi és Népjóléti Minisztérium által 2016-ban végzett felmérés* eredményei szerint az országban nagy valószínűséggel 10 milliónál több ember szenved cukorbetegségben (a kezeletlen eseteket is ideértve). A helyzet gyors beavatkozást igényel.

A cukorbetegség kezelésében fontos szerepet játszanak a megfelelő gyógyszerek, például a hipoglikémiás tabletták vagy az inzulinkészítmények. Különösen a vércukorszintet kell folyamatosan szabályozni, hogy a hemoglobin A1c (HbA1c) szintje ne érje el a 7,0%-os értéket. A Japán Diabétesz Társaság szerint ugyanis erre van szükség a szövődmények kialakulásának megelőzéséhez. A HbA1c-szint a glükóz megkötésére képes hemoglobin arányát mutatja a vérben – a cukorbetegség kezelésében ezt használják a vércukorszint mérőszámaként.

Hosszú távon nehéz ezt a mutatót alacsony szinten tartani. Mivel a beteg állapota az idő előrehaladtával jellemőzen egyre összetettebbé válik egyéb betegségek és a tartós kezelés során fennálló más tényezők miatt, több különböző hipoglikémás tablettát kell kombinálni a beteg aktuális állapota szerint. Egyelőre azonban nem létezik olyan módszer, amellyel meg lehetne határozni, milyen optimális sorrendben és időzítéssel kell bevenni ezeket a gyógyszereket.

Mintegy 5000 beteg klinikai adatai alapján MI-alapú tanulási modellt dolgoznak ki a kezelés hatásának előrejelzésére

A Fujitsu és a Fujitsu Hokuriku Systems 2019 februárja óta folytat közös kutatást a Hirofumi Onishi professzor, a Sapporói Orvosi Egyetem egészségügyi informatikai részlegének igazgatója által vezetett kutatócsoporttal annak kiderítésére, hogyan lehetne mesterséges intelligenciával optimalizálni az egyes pácienseknél a cukorbetegség kezelésére használt hipoglikémiás tabletták szedését.

A kutatók adatsort állítanak össze mintegy 5000, a Sapporói Orvosi Egyetem kórházában kezelt cukorbeteg nagy mennyiségű egészségügyi adata (orvosi leletek, vizsgálati értékek, receptek adatai) felhasználásával a személyazonosításra alkalmas adatokat anonimizáló formátumban. Ezt követően az adatok segítségével betanítják a mesterséges intelligenciát, és tanulási modelleket generálnak a gyógyszeres kezelés hatásának előrejelzésére.

A Sapporói Egyetem részéről egészségügyi és egészségügyi informatikai szakemberek, köztük klinikai orvosok vesznek részt a közös kutatásban. A Fujitsu nagy tapasztalattal rendelkezik a klinikai adatok (pl. a receptek adatai és a betegek vizsgálatai adatai) biztonságos kezelése terén. Az együttműködésben a főállású MI-mérnököket foglalkoztató Fujitsu Hokuriku Systems is részt vesz.

Az MI betanításához és a tanulási modellek kidolgozásához rendkívül pontos adatsorra van szükség

A közös kutatás műszaki szempontból két lépésből áll. Először is, rendkívül pontos adatsorral kell szolgálni a mesterséges intelligencia betanításához. A klinikai adatok gyűjtése, feldolgozása és elemzésre való előkészítése nem kevés találékonyságot igényel. A cukorbetegek például változó időszakonként keresik fel a kórházat, ahol esetenként más és más vizsgálatokon esnek át. Problémát jelent, ha az adatok hiányosak vagy eltérőek. Ezt figyelembe véve a kutatócsapat először azt határozza meg, hogy a HbA1c-szint változásának mely elemeit kell vizsgálni az egyes betegek esetében. Ezután a csapat az alkalmazott gyógyszerekre és a beteg állapotát jelző vizsgálati értékekre vonatkozó adatokat nyeri ki a rendszerekből. Ezzel az eljárással a szakemberek a kérdéseik megválaszolása szempontjából releváns adatokhoz jutnak, majd ezeket az adatokat használják fel a gépi tanuláshoz szükséges adatsor összeállításához.

A második lépés a tanulási modellek kidolgozása az MI technológia segítségével. A csapat a fenti adatsor alapján dolgozza ki a megfelelő tanulási módszert. A szakemberek által fontosnak tartott tényezők alapján a csapat megtanítja az MI-nek az egyes tényezők (pl. gyógyszer és vizsgálati érték) közötti összefüggések felismerését. Az MI-alapú tanulás alapján a csapat olyan tanulási modellt készít, amely képes a kezelés hatásainak előrejelzésére.

A cukorbetegség személyre szabott kezeléséhez vezető út

A cukorbetegség kezelése jelenleg betegről-betegre jelentősen eltér. Egyes páciensek egy gyógyszerrel is jól tudják szabályozni HbA1c-szintjüket, míg másoknak többféle tablettára van szükségük. Ezért fontos a „személyre szabott kezelés”, vagyis az, hogy mindenki számára megtalálják az optimális gyógyszert vagy gyógyszerkombinációt. Ha a közös kutatás révén sikerül kidolgozni a hipoglikémiás tabletták hatását előre jelezni képes modelleket, csökkenteni lehet a betegek szervezetét érő terhelést, és mindenki a számára optimális gyógyszerekhez juthat hozzá.

A lehetséges tanulási modellek jellegének megismeréséhez a közös kutatócsapat kísérleti úton, egymás után több különféle tanulási modellt dolgoz ki és értékel. Az így kapott eredmények alapján a csapat ezután gyakorlatban is alkalmazza a tanulási modelleket. Megvizsgálják, hogyan segíthetnek a modellek az orvosnak megérteni és felhasználni az MI eredményeit az egyes betegek számára optimális gyógyszerek kiválasztásra. Jó esély van arra, hogy ezt az adatértelmezési módszert más betegségek kezelésére is felhasználják majd a jövőben.

A Fujitsu továbbra is elkötelezetten részt vesz a közös kutatásban, és az emberi életminőség jövőbeni javítását szem előtt tartva, innovatív értéket teremt a társadalom számára.

Exit mobile version