۷ ژوئیه ۲۰۲۶ - یک تیم تحقیقاتی در دانشگاه پلی‌تکنیک هنگ‌کنگ (PolyU)، نخستین «عامل هوش مصنوعی برای مدیریت دقیق دیابت» با نام "PIPE-AI" را توسعه داده است که به‌طور اختصاصی برای جمعیت‌های آسیایی طراحی شده و با یک مدل پیش‌بینی خطر بیماری مرتبط همراه است. این سیستم با بهره‌گیری از هوش مصنوعی و داده‌های الکترونیک سلامت در مقیاس وسیع، می‌تواند خطر پیشرفت عوارض دیابت نوع ۲، مانند بیماری مزمن کلیوی (CKD)، را در ۱۰ سال آینده با دقت بیشتری پیش‌بینی کند. این امر به کادر درمان و بیماران امکان می‌دهد تا با مداخله زودهنگام، مدیریت بیماری را بهبود بخشند. یافته‌های این پژوهش در نشریه npj Digital Medicine منتشر شده است.

به‌منظور ترویج کاربرد گسترده‌تر این فناوری در جامعه، تیم تحقیقاتی PolyU با همکاری بخش پزشکی خانواده و مراقبت‌های اولیه در خوشه غربی نیو تریتوریز (وابسته به سازمان بیمارستان‌ها) و مرکز سلامت منطقه یوان لونگ، از اوایل ژوئیه شروع به جذب بیماران مبتلا به پیش‌دیابت و دیابت نوع ۲ در غرب نیو تریتوریز کرده‌اند تا در مطالعه بالینی این سیستم مشارکت کنند. شرکت‌کنندگان در این طرح از ارزیابی خطر شخصی‌سازی‌شده و توصیه‌های مدیریت سلامت بهره‌مند خواهند شد.

بیماری مزمن کلیوی، یکی از شایع‌ترین و جدی‌ترین عوارض دیابت نوع ۲است. از آنجایی که علائم اولیه آن اغلب آشکار نیست، معمولاً از آن به عنوان «قاتل خاموش» یاد می‌شود. بدون تشخیص و درمان به‌موقع، این وضعیت می‌تواند به اورمی (uremia) منجر شود که نیازمند دیالیز طولانی‌مدت یا حتی پیوند کلیه است. طبق داده‌های محلی، شیوع دیابت در افراد ۶۵ تا ۸۴ ساله به ۱۹ درصد می‌رسد. دیابت و عوارض آن نه‌تنها کیفیت زندگی بیماران را تحت تأثیر قرار می‌دهد، بلکه بار سنگینی بر دوش خانواده‌ها و سیستم بهداشت عمومی می‌گذارد.

در حال حاضر، بسیاری از مدل‌های پیش‌بینی خطر بیماری مزمن کلیوی عمدتاً بر اساس داده‌های جمعیت غربی توسعه یافته‌اند و ممکن است برای جمعیت‌های آسیایی کاملاً قابل تعمیم نباشند. تیم چندرشته‌ای به سرپرستی پروفسور یانگ لین از دانشکده پرستاری PolyU، با استفاده از ۱۷سال سوابق الکترونیک سلامت (مربوط به بیش از ۵۶۰ هزار بیمار دیابتی)، یک مدل پیش‌بینی هوش مصنوعی توسعه داده‌اند که برای جمعیت‌های آسیایی مناسب‌تر بوده و به نرخ دقت ۸۷.۱ درصد دست یافته است.

این مدل می‌تواند داده‌های سلامت بیماران را تحلیل کرده و خطر ابتلای آتی آن‌ها به عوارض دیابتی مانند بیماری کلیوی را تخمین بزند که این امر به متخصصان کمک می‌کند تا قضاوت‌های بالینی سریع‌تری داشته و پیگیری‌های مراقبتی را بهتر سازماندهی کنند.

علاوه بر مدل پیش‌بینی خطر، این تیم تحقیقاتی یک عامل هوش مصنوعی(AI Agent)  را به عنوان یک «رابط بالینی» برای تبدیل داده‌ها به اقدامات عملی توسعه داده است. این عامل با تمرکز بر مدیریت دیابت و عوارض آن، اطلاعات پیچیده پزشکی را به زبانی ساده‌تر برای بیماران ترجمه می‌کند که به آن‌ها در درک بهتر وضعیت سلامتشان و بهبود ارتباط با کادر درمان کمک می‌کند.

این سیستم در چهار سناریوی اصلی کاربرد دارد:

·  پشتیبانی از پزشکی خانواده و مراقبت‌های اولیه در غربالگری مقدماتی و طبقه‌بندی خطر

·  کمک به کلینیک‌های سرپایی تخصصی جهت ارجاع دقیق‌تر موارد پرخطر یا پیچیده

·  پشتیبانی از مراکز سلامت منطقه‌ای برای ارائه خدمات مشاوره سلامت ۲۴ ساعته

·  کمک به بیماران در مدیریت خودمراقبتی شامل کنترل رژیم غذایی، ورزش، پایبندی به مصرف به‌موقع داروها و ثبت شاخص‌های سلامت.

برای اطمینان از ایمنی سیستم در استفاده بالینی، تیم تحقیقاتی یک مکانیزم نظارت توسط پرستار را در سیستم گنجانده است. هنگامی که هوش مصنوعی سطوح خطر غیرطبیعی یا هشدارهای مهم سلامت را شناسایی کند، سیستم به‌طور خودکار یک پرستار رسمی را برای بررسی و پیگیری‌های لازم مطلع می‌سازد که این امر قابلیت اطمینان و ایمنی کاربرد سیستم را افزایش می‌دهد.

پروفسور دیوید شام، رئیس دانشکده علوم سلامت و اجتماعیPolyU ، گفت: «مدیریت دیابت تنها به معنای درمان یک بیماری واحد نیست، بلکه با تخصیص بلندمدت منابع مراقبت‌های بهداشتی و استراتژی سلامت عمومی نیز ارتباط تنگاتنگی دارد».

وی افزود: «تیم تحقیقاتی PolyU با تبدیل فناوری پیشرفته هوش مصنوعی به ابزاری برای کاربرد بالینی، قابلیت‌های پیش‌بینی خطر را که قبلاً عمدتاً محدود به بیمارستان‌ها بود، به مراقبت‌های اولیه و خدمات اجتماعی گسترش داده است. این امر به تخصیص دقیق‌تر منابع بهداشتی کمک کرده و گذار در مدل مراقبت‌های سلامت از درمان انفعالی به پیشگیری فعال را تسریع می‌کند که انتظار می‌رود در درازمدت بار مراقبت‌های بهداشتی ناشی از بیماری‌های مزمن در هنگ‌کنگ را کاهش دهد».

پروفسور یانگ لین نیز خاطرنشان کرد: «برنامه جذب بیمار در غرب نیو تریتوریز، گام مهمی در جهت وارد کردن هوشمندانه خدمات سلامت به سطح جامعه به شکلی ملموس است. در آینده، تیم ما داده‌های تصویربرداری و ابزارهای پوشیدنی را برای افزایش دقت پیش‌بینی ادغام خواهد کرد و پیاده‌سازی این مدل در سیستم‌های سوابق الکترونیک سلامت و پلتفرم‌های مراکز سلامت منطقه‌ای را ترویج خواهد داد. این ابتکار همچنین به سایر حوزه‌های بیماری‌های مزمن مرتبط، مانند سندرم قلب-کلیه-متابولیک گسترش خواهد یافت تا افراد بیشتری از آن بهره‌مند شوند».

منبع:

https://medicalxpress.com/news/2026-07-ai-agent-precision-diabetes.html