Группа исследователей из Университета Буффало подготовила всесторонний метаобзор, опубликованный в NPJ Digital Medicine. Из примерно 5,000 рецензируемых работ они включили в анализ 60 исследований, которые изучали сочетание носимых устройств и искусственного интеллекта для людей с диабетом 2 типа и преддиабетом.
Обзор отмечает, что непрерывные мониторы глюкозы (CGM) дают частые измерения, иногда каждые несколько минут, и модели ИИ могут распознавать шаблоны и предсказывать изменения уровня глюкозы за один-два часа. Это позволяет давать персонализированные рекомендации по образу жизни, активности и сну и снижать клиническую нагрузку за счёт сортировки больших объёмов данных.
Однако учёные выявили серьёзные ограничения: исследования сосредоточены на нескольких типах данных и моделях, многие алгоритмы работают как «чёрные ящики», а небольшие выборки и узкое демографическое представительство ограничивают применимость выводов. Авторы призывают к большим исследованиям, лучшей валидации и более прозрачным моделям. Исследование поддержано рядом организаций.
Сложные слова
- метаобзор — исследование, объединяющее и анализирующее многие работы
- монитор глюкозы — устройство для постоянного измерения уровня сахарамониторы глюкозы
- искусственный интеллект — компьютерные модели, которые распознают и предсказываютискусственного интеллекта
- шаблон — повторяющаяся структура или последовательность в данныхшаблоны
- алгоритм — набор правил или шагов для обработки данныхалгоритмы
- выборка — группа людей или образцов, изучаемых в исследованиивыборки
- валидация — процесс проверки, что методы работают правильновалидации
Подсказка: наведите, сфокусируйтесь или нажмите на выделенные слова, чтобы увидеть краткие определения прямо во время чтения или прослушивания.
Вопросы для обсуждения
- Пользовались бы вы носимым устройством, которое даёт персонализированные рекомендации по уровню глюкозы? Почему да или почему нет?
- Какие проблемы вы видите в использовании «чёрных ящиков» (непрозрачных алгоритмов) в медицине?
- Что, по-вашему, нужно для лучшей валидации исследований с ИИ и носимыми устройствами?
