خلاصه ی کلیدی:
· استفاده از اپلیکیشن مبتنی بر هوش مصنوعی به کاهش HbA1c و وزن بدن در بزرگسالان مبتلا به دیابت نوع ۲ کمک کرد.
· در ۷۱ درصد از افراد گروه مداخله،HbA1c کمتر از ۶.۵ درصد بدون استفاده از داروهای دیابت (به جز متفورمین) حاصل شد.
۲۰اوت ۲۰۲۵- یک اپلیکیشن تلفن همراه مجهز به هوش مصنوعی که از داده های لحظه ای بیماران و مربی گری مجازی برای ارائه توصیه های فردی استفاده می کند، توانستHbA1c را در اکثر بزرگسالان مبتلا به دیابت نوع ۲ به کمتر از ۶.۵ درصد کاهش دهد.
در یک کارآزمایی تصادفی کنترل شده در یک مرکز درمانی، پژوهشگران مدیریت دیابت را با استفاده از سیستم درمانی دقیق Twin(ساخت شرکت Twin Health) در مقایسه با مراقبت های معمول در گروهی از بزرگسالان مبتلا به دیابت نوع ۲ بررسی کردند. دکتر کوین پانتالونه، استاد پزشکی در کالج پزشکی لرنر کلینیک کلیولند و مدیر ابتکارات دیابت، اظهار داشت که این سیستم از حسگرهای پوشیدنی شامل فناوری های بلوتوث دار مانند پایش مداوم گلوکز و ردیابهای فعالیت بدنی استفاده می کند. با بهره گیری از داده های حسگرهای پوشیدنی، کاربر از طریق این اپلیکیشن تلفن همراه توصیه های شخصی سازی شده ای درباره انتخاب های غذایی، فعالیت بدنی و موارد دیگر را دریافت می کند. توصیه های تغذیه ای بر اساس پیش بینی های یادگیری ماشینی از پاسخ های گلوکز پس از صرف غذا برای هر بیمار ارائه می شود. کاربران این سیستم همچنین از طریق خدمات سلامت از راه دور با مربیان انسانی در ارتباط بودند.
دکتر پانتالونه اظهار داشت: «در زمان محدود و دسترسی سخت به ویزیت های کلینیکی، فرصت کافی برای ایجاد تغییرات مؤثر در سبک زندگی بیماران وجود ندارد. این برنامه نشان می دهد که اگر مربی گری سلامت را به کار گیریم،CGM را ادغام کنیم و از یادگیری ماشینی برای ارائه توصیه های شخصی درباره تغذیه بر اساس سطح پیش بینی شده گلوکز پس از غذا استفاده کنیم، بیماران می توانند تصمیمات آگاهانه ای در لحظه اتخاذ کنند که به دستیابی به اهدافشان با وابستگی کمتر به داروهای کاهش دهنده گلوکز کمک کند».
داده های HbA1c
در این مطالعه، ۱۵۰بزرگسال ۱۸ تا ۷۵ساله با سابقه دیابت نوع ۲ تا ۱۵سال، شاخص توده بدنی ۲۷ کیلوگرم بر متر مربع یا بیشتر، و تلفن همراه سازگار با این سیستم ثبت نام شدند (میانگین سنی ۵۸.۵سال). همه شرکت کنندگان دارای HbA1c بین ۷.۵ درصد تا ۱۱ درصد، یا HbA1c بین ۶.۵ درصد تا ۷.۵ درصد همراه با مصرف داروی کاهش دهنده گلوکز، یا HbA1c کمتر از ۶.۵ درصد همراه با مصرف دارویی غیر از متفورمین بودند. افراد به صورت تصادفی با نسبت ۲به ۱در دو گروه برای استفاده از این سیستم یا دریافت مراقبت های معمول از پزشک عمومی خود قرار گرفتند. هدف اصلی مطالعه، بررسی درصد شرکت کنندگانی بود که HbA1c کمتر از ۶.۵ درصد را در مدت یک سال بدون استفاده از داروهای کاهش دهنده گلوکز (به جز متفورمین) به دست آوردند.
بر اساس یافته های منتشر شده در نشریهNEJM Catalyst Innovations in Care Delivery ، در پایان یک سال، ۷۱ درصد از گروه مداخلهHbA1c کمتر از ۶.۵ درصد را بدون داروهای کاهش دهنده گلوکز به دست آوردند، در حالی که این رقم در گروه کنترل تنها ۲.۴ درصد بود (نسبت خطر = ۲۹.۲؛ فاصله اطمینان ۹۵درصد، ۵.۷ تا ۱۴۹.۳؛P < .001). همچنین، ۵۲.۵ درصد از کاربران سیستم HbA1c کمتر از ۶.۵ درصد را به مدت حداقل ۹۰روز قبل از پایان سال تجربه کردند، در مقایسه با ۲.۸ درصد در گروه مراقبت معمول (نسبت خطر = ۱۸.۹؛ فاصله اطمینان ۹۵درصد، ۲.۳تا ۱۵۸؛P < .001).
افراد استفاده کننده از این سیستم کاهش بیشتری درHbA1c (اختلاف میانگین: ۱- درصد؛ فاصله اطمینان ۹۵درصد، ۱.۵- تا ۰.۵-؛P < .001) و وزن بدن (اختلاف میانگین: ۴.۱- درصد؛ فاصله اطمینان ۹۵درصد، ۶.۹- تا ۱.۳-؛P < .001) نسبت به دریافت کنندگان مراقبت معمول داشتند.
دکتر پانتالونه افزود: «یکی از نکات شگفتانگیز این بود که بیماران به سرعت بهبود یافتند، که نشان می دهد آنها به راحتی با این فناوری ارتباط برقرار کرده و آن را مشکل و پیچیده نیافتند و نتایج قابل توجهی را کسب کردند. این افراد باید به طور مداوم تغییرات سبک زندگی را ادامه داده باشند، در غیر این صورت نتایج ۱۲ماهه قابل مشاهده نبود. همچنین، نکته ی قابل توجه این است که بهبودهای مشاهده شده در کنترل قند خون و کاهش وزن هم زمان با کاهش مصرف داروهای کاهش دهنده گلوکز رخ داده است».
در تحلیل پس از مطالعه، در پایان یک سال، نسبت استفاده از داروهای GLP-1 در گروه مداخله از ۴۱ درصد به ۶ درصد، داروهای DPP-IV از ۳۳ درصد به ۳ درصد، داروهای SGLT2 از ۲۷ درصد به ۱ درصد و انسولین از ۲۴ درصد به ۱۳ درصد کاهش یافت. در گروه مراقبت معمول، درصد استفاده از هر دسته دارویی نسبتاً ثابت یا افزایشی بود.
کیفیت زندگی و نتایج ایمنی
کیفیت زندگی و رضایت از درمان به صورت خوداظهاری در گروه مداخله به طور قابلتوجهی بهبود یافت، اما در گروه مراقبت معمول تغییری مشاهده نشد.
عوارض جانبی در ۳۶ درصد از گروه مداخله و ۳۴ درصد از گروه مراقبت معمول رخ داد. سه مورد عارضه جدی در میان کاربران سیستم Twinگزارش شد که دو مورد از آن ها (درد شکمی و سلولیت) مرتبط با مداخله تلقی شدند.
دکتر پانتالونه اظهار داشت که این سیستم یک برنامه تجاری در دسترس است که توسط برخی کارفرمایان و شرکت های بیمه سلامت ارائه می شود؛ بیماران نمی توانند به صورت مستقل در این برنامه ثبت نام کنند یا فناوری مورد نیاز را از فروشگاه تهیه نمایند. این برنامه و یافته های مطالعه، مزایای مداخله سبک زندگی هدایت شده توسط هوش مصنوعی در زمان واقعی را روشن کرده و می تواند مسیر نوآوری های بیشتر در این حوزه را هموار سازد.
او افزود: «این یافته ها نشان می دهد که نباید تصور کنیم فناوری برای بیماران دشوار است. همان طور که در زندگی روزمره از هوش مصنوعی و فناوری بهره می گیریم، فرصت استفاده از الگوریتم های یادگیری ماشینی و فناوری برای بهبود نتایج در بیماران مبتلا به دیابت نوع ۲و کاهش وابستگی آنها به درمان دارویی وجود دارد»
منبع:
https://www.healio.com/news/endocrinology/20250820/aibased-lifestyle-intervention-improves-glycemic-control-in-type-2-diabetes