AI-सक्षम पहनने योग्य उपकरण और टाइप 2 मधुमेह ^{CEFR B2}

यूनिवर्सिटी एट बुफ़ालो के शोधकर्ताओं द्वारा किया गया यह मेटा-रिव्यु NPJ Digital Medicine में प्रकाशित हुआ। शोधकर्ताओं ने लगभग 5,000 अध्ययनों की स्क्री닝 की और उन में से 60 ऐसे अध्ययन शामिल किए जो मधुमेह प्रबंधन में AI और पहनने योग्य उपकरणों के एकीकरण की जांच करते थे। समीक्षा ने AI-सक्षम पहनने योग्य उपकरणों के संभावित लाभों और स्पष्ट सीमाओं दोनों को इंगित किया।

रिव्यु में मुख्य सकारात्मक निष्कर्ष यह थे कि निरन्तर ग्लूकोज़ मॉनिटर (CGM) कई मिनटों में डेटा देते हैं और AI मॉडल इन डेटा से पैटर्न पहचानकर ग्लूकोज़ बदलावों की एक-दो घंटे पहले भविष्यवाणी कर सकते हैं। ऐसी पूर्वसूचना से ग्लूकोज़ नियंत्रण अधिक स्थिर रह सकता है, और सिस्टम गतिविधि, नींद और दिनचर्या के अनुसार व्यक्तिगत सुझाव दे सकते हैं। बड़े डेटा प्रवाह को छाँट कर ध्यान देने योग्य घटनाएँ हाइलाइट करने से नैदानिक कार्यभार घटाने की संभावना भी उभरी। प्रीडायबिटीज के लोगों में शुरुआती चरण में पहनने योग्य उपकरण और AI जीवनशैली बदलावों को समर्थन दे सकते हैं और मधुमेह में प्रगति को देरी या रोक सकते हैं।

रिव्यु ने कई सीमाएँ भी दर्ज कीं: शोध अक्सर कुछ उपकरणों और AI मॉडल पर केंद्रित था, कई मॉडल 'ब्लैक बॉक्स' की तरह काम करते हैं जिससे व्याख्या और भरोसा मुश्किल होता है, और सीमित सैंपल आकार व संकीर्ण जनसांख्यिकीय प्रतिनिधित्व से निष्कर्षों का सामान्यीकरण कठिन है। मानकीकृत बेंचमार्क डेटासेट की कमी और डेटा गुणवत्ता में असंगतता भी तुलना को मुश्किल बनाती हैं। व्यावहारिक बाधाओं में नैदानिक कार्यप्रवाह में सीमित एकीकरण, उपकरणों की लागत और उपलब्धता शामिल हैं।

• कुछ AI मॉडल समय के साथ पैटर्न सीखते हैं, जैसे लॉन्ग शॉर्ट-टर्म मेमोरी नेटवर्क (LSTM)।
• ट्रांसफॉर्मर जैसे नए मॉडल कई प्रकार के डेटा एक साथ जोड़ सकते हैं।
• सरल मॉडल क्लिनिशियनों के लिए अधिक व्याख्यायोग्य होते हैं।

लेखकों ने कहा कि नैदानिक देखभाल में नियमित अपनाने से पहले बड़े अध्ययन, बेहतर वैलिडेशन और अधिक पारदर्शी मॉडल आवश्यक हैं। यह शोध American Diabetes Association, National Institute of Diabetes and Digestive Kidney Disease, और National Institute for Minority Health and Health Disparities द्वारा समर्थित था।