دیابت یکی از مهمترین بیماریهای مزمن در جهان است که در صورت کنترل نشدن میتواند به عوارض جدی مانند بیماری مزمن کلیه، مشکلات قلبی و آسیبهای گسترده در بدن منجر شود. اکنون پژوهشگران دانشگاه پلیتکنیک هنگکنگ با استفاده از هوش مصنوعی، راهکاری توسعه دادهاند که میتواند مدیریت این بیماری را از درمان پس از بروز عوارض به سمت پیشگیری و مراقبت شخصیسازیشده تغییر دهد.
تیم تحقیقاتی این دانشگاه نخستین عامل هوش مصنوعی برای مدیریت دقیق دیابت (PIPE-AI) را در هنگکنگ توسعه داده است. این سامانه که برای جمعیت آسیایی طراحی شده، علاوه بر یک مدل پیشبینی خطر، بهعنوان یک رابط هوشمند میان بیماران و کادر درمان عمل میکند و اطلاعات پیچیده پزشکی را به زبان سادهتر برای بیماران توضیح میدهد.
پژوهشگران برای توسعه این فناوری از ۱۷ سال دادههای پرونده الکترونیک سلامت بیش از ۵۶۰ هزار بیمار مبتلا به دیابت استفاده کردند. مدل هوش مصنوعی طراحیشده توانسته است خطر ابتلا به عوارضی مانند بیماری مزمن کلیه مرتبط با دیابت را با دقت ۸۷.۱ درصد پیشبینی کند.
یکی از ویژگیهای مهم این فناوری، تمرکز آن بر جمعیت آسیایی است. بسیاری از مدلهای پیشبینی خطر بیماریهای مزمن تاکنون بر اساس دادههای جمعیتهای غربی توسعه یافتهاند و ممکن است برای بیماران آسیایی دقت کافی نداشته باشند. پژوهشگران PolyU تلاش کردهاند با استفاده از دادههای محلی، مدلی متناسبتر با ویژگیهای بیماران آسیایی ایجاد کنند.
عامل هوش مصنوعی PIPE-AI علاوه بر پیشبینی خطر، میتواند توصیههای شخصیسازیشده برای مدیریت سلامت ارائه دهد. این سامانه در چهار حوزه اصلی کاربرد دارد؛ از غربالگری اولیه و دستهبندی بیماران در مراقبتهای اولیه گرفته تا کمک به پزشکان متخصص برای شناسایی بیماران پرخطر، ارائه خدمات مشاوره سلامت در مراکز درمانی محلی و کمک به بیماران برای مدیریت سبک زندگی، تغذیه، فعالیت بدنی، مصرف دارو و ثبت شاخصهای سلامت.
برای افزایش ایمنی استفاده از این فناوری در محیط درمانی، پژوهشگران یک سازوکار نظارت پرستاری نیز در سیستم قرار دادهاند. در صورتی که هوش مصنوعی سطح خطر غیرعادی یا هشدارهای مهم سلامت را شناسایی کند، سامانه بهطور خودکار یک پرستار ثبتشده را برای بررسی و پیگیری موضوع مطلع میکند.
این پروژه اکنون وارد مرحله آزمایش بالینی شده و پژوهشگران با همکاری اداره سلامت هنگکنگ و مراکز سلامت منطقهای، جذب بیماران مبتلا به پیشدیابت و دیابت نوع ۲ را آغاز کردهاند تا عملکرد این فناوری در شرایط واقعی بررسی شود.
پژوهشگران اعلام کردهاند در مراحل بعدی قصد دارند دادههای تصویربرداری پزشکی و اطلاعات حاصل از ابزارهای پوشیدنی سلامت را نیز به سیستم اضافه کنند تا دقت پیشبینی افزایش یابد. همچنین برنامههایی برای اتصال این مدل به سامانههای پرونده الکترونیک سلامت و گسترش آن به بیماریهای مرتبط مانند سندرم قلبی-کلیوی-متابولیک در نظر گرفته شده است.
کارشناسان معتقدند چنین فناوریهایی میتوانند نقش مهمی در تغییر مدل مراقبت سلامت ایفا کنند؛ مدلی که به جای انتظار برای بروز عوارض، با کمک هوش مصنوعی و تحلیل دادهها، خطر بیماری را زودتر شناسایی کرده و مسیر درمان و پیشگیری را شخصیسازی میکند.