28 فوریه 2024- پیشگیری بهتر از دیابت نوع 2 می تواند جان افراد را نجات دهد و سبب صرفه جویی در هزینه ها شود. ایالات متحده بیش از 730 میلیارد دلار در سال - تقریباً یک سوم کل هزینه های مراقبت های بهداشتی - را صرف درمان بیماری های قابل پیشگیری مانند دیابت می کند.
برای 98 میلیون بزرگسالی که پیش دیابت دارند و در معرض خطر ابتلا به دیابت نوع 2 هستند، درمان های پیشگیرانه مانند داروی متفورمین می تواند به جلوگیری از این بیماری کمک کند. اما داروها گران هستند و با بودجه هایی محدود، بیمه گران و مراکز مراقبت های بهداشتی باید آنها را به بیمارانی اختصاص دهند که می توانند بیشترین مزایا را از آنها دریافت کنند.
در حال حاضر، یک ارائه دهنده ی سلامت با استفاده از یک ابزار ساده نموداری، خطر ابتلا به دیابت را برای بیمار محاسبه می کند. بیمارانی که امتیاز خطر آنها از یک آستانه از پیش تعیین شده فراتر می رود، در مراقبت های پیشگیرانه ثبت نام می کنند.
اکنون، یک مطالعه جدید از دانشگاه تگزاس مککامبز، ابزار جدیدی را برای شناسایی این بیماران بر اساس هوش مصنوعی ایجاد کرده است. دکتر Maytal Saar-Tsechansky، استاد مدیریت اطلاعات، ریسک و عملیات، یک مدل مبتنی بر هوش مصنوعی و یادگیری ماشینی را برای پیشبینی اینکه کدام بیماران بیشتر از درمان پیشگیرانه سود میبرند، توسعه داده است.
او می گوید: افزایش هزینه های مراقبت های بهداشتی نیازمند رویکردهای کارآمدتر و مقرون به صرفه تر برای پیشگیری از بیماری ها، به ویژه بیماری های قابل پیشگیری مانند دیابت نوع 2 است. یکی از موانع مدلهای تخصیص این است که آنها اغلب بر اساس تخمینهای خام از سودمندی یک بیمار هستند. او به همراه ماتیاس کراوس از دانشگاه فردریش الکساندر و استفان فوئریگل از دانشکده مدیریت مونیخ، از منبع غنی دادههای سوابق سلامت الکترونیکی 89191 بیمار پیش دیابت از سال 2003 تا 2012، برای تولید ارزیابیهای بهتر استفاده کردند. این سوابق از سوی یک بیمهگر بهداشتی به دست آمد که میخواست مراقبت از بیماران در معرض خطر ابتلا به دیابت نوع 2 را بهبود بخشد.
وقتی محققان مدل تصمیم گیری خود را روی دادههای بیمهگر - از جمله اندازهگیریهای بدنی، آزمایشهای آزمایشگاهی، کدهای بیماری، نسخههای دارویی، و اطلاعات جمعیتشناختی اجتماعی - اعمال کردند، هم کارایی سلامت و هم کارایی اقتصادی را بهبود بخشید:
•از 25 درصد موارد بیشتر از ابتلا به دیابت نوع 2 نسبت به استفاده از نمرات خطر دیابت سنتی جلوگیری کرد.
• به ازای هر 10000 بیمار 2.9 میلیون دلار بیشتر از پس انداز حاصل از روش سنتی بالینی پایه صرفه جویی کرد.
• اگر این مدل برای کل جمعیت ایالات متحده اعمال شود، می تواند سالانه 1.1 میلیارد دلار در هزینه های مراقبت های بهداشتی صرفه جویی کند.
دکتر Saar-Tsechansky، گفت: با فعال کردن تخصیص منابع مبتنی بر داده و مقرون به صرفه، این رویکرد در تأثیرگذاری بیشتر مراقبت های پیشگیرانه مؤثر است.
او افزود: مدل تصمیم گیری مبتنی بر داده می تواند به پیشگیری از سایر بیماری ها مانند بیماری های تنفسی و بیماری های قلبی عروقی، که علت اصلی مرگ و میر در ایالات متحده هستند، کمک کند.
استفاده از دادههای با کیفیت، مانند سوابق پزشکی الکترونیکی دقیق، میتواند به یک مزیت دیگر منجر شود که "رویکردهای سفارشیتر برای مراقبتهای بهداشتی" است.
دکتر Saar-Tsechansky، گفت: برای بیماران، به ویژه آنهایی که در معرض خطر بیماری هایی مانند دیابت نوع 2 هستند، مدل ما به معنای رویکرد شخصی و مؤثرتر برای مراقبت های پیشگیرانه است.این نشان میدهد که مراقبتهای پیشگیرانه در آینده میتواند بیشتر بر اساس عوامل خطر فردی تنظیم شود و اثربخشی مداخلات را افزایش داده و احتمال شروع بیماری را کاهش دهد.
این مطالعه در مجله Manufacturing & Service Operations Management منتشر شده است.
منبع:
https://medicalxpress.com/news/2024-02-ai-outcomes-prediabetic-patients.html