10فوریه 2021- یک ابزار آنلاین جدید به نام " INSIGHT" رویکردی مبتنی بر یادگیری ماشینی را هنگام تجویز مهارکننده‌های سدیم-گلوکز کوترانسپورتر-2 (SGLT2) ارائه می‌کند، تا سود این درمان را برای بیماران مبتلا به دیابت نوع 2 به حداکثر برساند.

این مطالعه که توسط دکتر Rohan Khera از دانشگاه ییل، رهبری شد، در 4 فوریه در مجله مراقبت از دیابت منتشر گردید. دکتر Evangelos Oikonomou، نویسنده ی اول این مطالعه، و همکار بالینی دکتر Khera، در آزمایشگاهCarDS ، گفت: شواهد حاصل از کارآزمایی‌های CANVAS وCREDENCE ، نشان می‌دهد که مهارکننده‌های SGLT2 مانند کاناگلیفلوزین، خطر بستری شدن در بیمارستان و مرگ ناشی از بیماری قلبی عروقی آترواسکلروتیک (ASCVD) را در بزرگسالان مبتلا به دیابت نوع 2 کاهش می‌دهد. با این حال، داروهایی نظیر کاناگلیفلوزین گران قیمت هستند و به طور گسترده مورد استفاده قرار نمی گیرند.

این مطالعه یک رویکرد فردی را توصیف می کند که به یک سوال بالینی رایج برای مدیریت خطربیماری قلبی عروقی آترواسکلروتیک پاسخ می دهد: کدام بیماران مبتلا به دیابت نوع 2 که در معرض خطر بالای بیماریهای قلبی عروقی هستند به احتمال زیاد از کاناگلیفلوزین سود می برند؟ الگوریتم هایINSIGHT ، از فنوتیپ های متمایز بیمار، مانند مدت زمان ابتلا به دیابت نوع 2، فشار خون بالا، عادات سیگار کشیدن و سطح کلسترول، برای شناسایی چنین بیمارانی استفاده می کنند.

یادگیری ماشینی، به جای تکیه بر مشاهدات یا مفروضات، محققان را قادر می‌سازد تا حجم وسیعی از داده‌های بالینی را تجزیه و تحلیل کنند و الگوها یا سرنخ‌هایی را کشف کنند که در غیر این صورت ممکن است نادیده گرفته شوند. در این مثال، یک رویکرد یادگیری ماشینی به جداسازی ویژگی‌هایی که به بهترین وجه تأثیر کاناگلیفلوزین را برای کاهش خطرCV تعیین می‌کنند، کمک کرد. محققان این مطالعه خاطرنشان کردند که یک سوم بیماران که بیشترین سود را از این درمان می‌برند، شناسایی شدند، که ممکن است به اجرای مطالعات هدفمندتر بعدی کمک کند.

نویسندگان داده های بیش از 10 هزار بیمار را با استفاده از یک پروژه علمی باز به نام پروژه دسترسی به داده های باز دانشگاه Yale ، جمع آوری کردند. یافته‌های این تحقیق، برای اولین بار در نشست انجمن محققان جوان قلب و عروق شمال غربی در سال 2021 ارائه شد، جایی که دکتر اویکونومو جایزه‌ای را برای ارائه ی سخنرانی خود تحت عنوان "رویکرد یادگیری ماشینی برای فردی کردن مزایای قلبی عروقی کاناگلیفلوزین، بر اساس تحلیل‌هایی در سطح مشارکت‌کنندگان از کارآزمایی‌های CANVAS" دریافت کرد.

منبع:

https://medicalxpress.com/news/2022-02-machine-learning-approach-diabetes-cardiovascular.html