AI搭載ウェアラブルと糖尿病管理の可能性と課題 ^{CEFR B2}

新たなメタレビューは、2型糖尿病と前糖尿病の人々に対するAI対応ウェアラブルの利点と限界を系統的に検討しました。研究チームは約5,000件の査読付き研究をスクリーニングし、AIとウェアラブルの統合を詳しく調べた60件を選びました。持続血糖測定器（CGM）は数分ごとに血糖値を測定し、多量の時系列データを生み出します。対応著者ラファエル・フレイザー准教授は、AIがCGMを「後方確認用の鏡から前方表示のヘッドアップディスプレイに変える」と述べています。

レビューは、AIが血糖変動を1〜2時間先まで予測する事例を示し、日常の習慣や活動、睡眠を反映した個別助言で血糖をより安定させる可能性を指摘します。また、大量のデータから注意点を抽出し、臨床の負担を軽減することも期待されます。一方で、研究の偏り、サンプルサイズの小ささ、人口統計学的代表性の不足が結果の一般化を妨げます。

さらに標準化されたベンチマークデータセットの欠如やデータ品質のばらつき、臨床実務への統合の難しさ、機器の費用・入手性など現実的な障壁があると報告されています。レビューはまた、用途に応じたAIモデルの選択が重要だと指摘します。長短期記憶ネットワーク（LSTM）は連続血糖データに強みがあり、トランスフォーマーは血糖、心拍、睡眠、活動など複数データを統合できます。著者らは、臨床で日常的に使う前により大規模な研究と厳密な検証、透明性の高いモデルが必要だと結論付けています。研究はアメリカ糖尿病協会、国立糖尿病・消化器・腎疾患研究所、および国立少数民族の健康と健康格差研究所の支援を受けました。