По оценкам, примерно 20–40% населения страдают от инсулинорезистентности — состояния, при котором эффективность инсулина в организме снижается, а регуляция уровня глюкозы затрудняется. В конечном итоге это может привести к диабету. Часто инсулинорезистентность остается незамеченной до развития преддиабета или диабета. Но теперь, возможно, появится более надежный и доступный метод выявления инсулинорезистентности. В новом исследовании, опубликованном в журнале Nature, описан метод, сочетающий в себе использование умных часов и обычных анализов крови для более точного выявления инсулинорезистентности на ранних стадиях, и его предварительные испытания показали высокую точность.
Выявление инсулинорезистентности
При раннем выявлении инсулинорезистентность обратима, а прогрессирование до диабета можно предотвратить с помощью изменения образа жизни, например, снижения веса, физических упражнений и здорового питания. Однако большинство тестов для выявления инсулинорезистентности не проводятся на регулярной основе, и у многих людей нет очевидных симптомов, которые побудили бы врачей провести обследование. Кроме того, «золотой стандарт» диагностики инсулинорезистентности является дорогостоящим, трудоемким и может быть недоступен во многих медицинских учреждениях. Проведенные тесты не всегда надежны.
«Вместо этого типичный подход к скринингу заключается в сосредоточении внимания на моментальных снимках уровня глюкозы, уровня глюкозы натощак, HbA1c или уровня глюкозы после двухчасового перорального глюкозотолерантного теста (ПГТТ), что может быть неэффективным для выявления лиц на ранних стадиях инсулинорезистентности», — утверждают авторы нового исследования.
Поскольку раннее выявление инсулинорезистентности важно для профилактики диабета и связанных с ним осложнений, более масштабируемый, доступный и недорогой метод диагностики мог бы улучшить показатели здоровья многих людей. Поэтому авторы нового исследования решили обратиться к устройствам, которые уже есть у многих людей — умным часам.
Более доступное выявление инсулинорезистентности с помощью носимых устройств
Исследовательская группа разработала исследование Wearables for Metabolic Health (WEAR-ME), в котором использовались данные с носимых смарт-часов и результаты рутинных анализов крови на холестерин, инсулин и глюкозу, а также анкеты о здоровье и образе жизни. Данные от 1165 человек были собраны дистанционно и проанализированы с помощью глубоких нейронных сетей. Затем команда подтвердила результаты с помощью перекрестной проверки и независимой выборки из 72 человек.
Результаты показали, что многомодальная модель предсказывала резистентность к инсулину с высокой точностью. Когда модель была доработана с помощью модели носимого устройства (WFM), предварительно обученной на 40 миллионах часов данных с датчиков, точность еще больше повысилась.
«Результаты предоставляют дополнительные доказательства того, что данные с носимых устройств обеспечивают значительную дополнительную ценность при прогнозировании ИР, даже когда модель применяется к ранее не встречавшимся данным. Модель, интегрирующая представления, полученные с помощью носимых устройств, с демографическими данными, превзошла базовый показатель, основанный только на демографических данных (AUROC = 0,75 против 0,66). Кроме того, добавление представлений с носимых устройств к оптимальной модели, включающей демографические данные, уровень глюкозы натощак и липидный профиль, существенно улучшило прогностическую эффективность по сравнению с идентичной моделью без данных с носимых устройств (AUROC = 0,88 против 0,76)», — пояснили авторы исследования.
Агент на основе искусственного интеллекта для передачи результатов
Команда также разработала ИИ-агента для интерпретации и передачи пользователям результатов оценки инсулинорезистентности. Для обеспечения точности и надежности команда привлекла эндокринологов для оценки ответов ИИ-агента. По словам эндокринологов, 79% ответов были полностью фактически точными, а 96% —
безопасными. Агент смог точно определить и интерпретировать значения анализов крови.
«Предложенный нами агент, называемый агентом по пониманию и осознанию инсулинорезистентности (IR-агент), использует структуру «рассуждение и действие» (ReAct), построенную на основе LLM — в нашем случае, Gemini 2.0 Flash. Наш агент сочетает в себе понимание языка LLM со способностью выполнять действия, такие как поиск актуальной информации в интернете, доступ к специализированным инструментам, таким как калькулятор, и использование наших моделей прогнозирования инсулинорезистентности. Это позволяет IR-агенту динамически планировать свой ответ на запрос пользователя о его метаболическом здоровье, основывая свои ответы на реальных данных и проверяемых расчетах, а не полагаясь исключительно на уже существующие знания LLM», — написали авторы исследования.
После дополнительных испытаний этот новый метод тестирования уровня инсулина может предложить более масштабируемый вариант скрининга в домашних условиях, сделав раннее выявление риска развития диабета более доступным для большего числа людей.
