26 نوامبر 2024- یک مطالعه ی جدید نشان میدهد که عواملی فراتر از کربوهیدراتها مانند ورزش، هورمونها و استرس، تأثیر قابلتوجهی بر سطح قند خون دارند، این نشان میدهد که سیستمهای خودکار موجود برای تنظیم انسولین، نیازمند اطلاعات بیشتری هستند تا بتوانند به درستی سطح قند خون را تنظیم کنند. به عبارتی، هر کسی نیاز به رویکردی منحصر به فرد دارد.
تیمی از محققان دانشگاه بریستول با آنالیز دادههای سیستم تحویل خودکار انسولین مورد استفاده ی افراد مبتلا به دیابت نوع 1 (T1D) کشف کردند که الگوهای غیرمنتظره در نیاز به انسولین، به اندازه الگوهای بخوبی تثبیت شده، رایج هستند.
در این مطالعه که بهعنوان پیشچاپ در سرور JMIRx Med منتشر شده است، محققان به شناسایی الگوهای تغییرات نیاز به انسولین پرداخته و میزان این تغییرات را در افراد مبتلا به دیابت نوع 1 که ازیک سیستم تحویل خودکار انسولین پیشرفته (AID) به نام OpenAPS استفاده میکردند، بررسی نمودند.
نویسنده اصلی این مقاله، دکتر ایزابلا دگن از دانشکده علوم و مهندسی بریستول، توضیح داد: «نتایج از فرضیه ما حمایت میکند که عواملی فراتر از کربوهیدراتها نقش مهمی در سطح قند خون بازی میکنند.
با این حال، بدون اطلاعات قابل اندازهگیری در مورد این عوامل، سیستمهای AID مجبور به تنظیم محتاطانه ی انسولین هستند که منجر به نوسانات قند خون(بسیار پایین یا بسیار بالا) می شود.
دیابت نوع 1 یک بیماری مزمن است که در آن بدن انسولین بسیار کمی تولید می کند، هورمونی که برای تنظیم قند خون لازم است.درمان اصلی برای T1D انسولین است که تزریق یا پمپ می شود. مقدار و زمان انسولین باید به طرز ماهرانه ای با مصرف کربوهیدرات مطابقت داده شود تا از افزایش سطح گلوکز خون جلوگیری شود. علاوه بر کربوهیدرات ها، عوامل مختلف دیگری مانند ورزش، هورمون ها و استرس بر نیاز به انسولین تأثیر می گذارند.
با این حال، اینکه چقدر این عوامل باعث ایجاد اثرات غیرمنتظره ی قابل توجه بر سطح قند خون می شوند، کمتر مورد بررسی قرار گرفته است، به این معنی که علیرغم همه پیشرفت ها، دوزینگ انسولین همچنان یک کار پیچیده است که ممکن است به اشتباه انجام شود و منجر به سطوح قند خون خارج از محدوده ی هدف شود که افراد مبتلا بهT1D را در معرض اثرات نامطلوب سلامتی قرار می دهد.
این یافتهها پیچیدگی تنظیم قند خون را در T1D برجسته میکند و ناهمگونی نیاز به انسولین را در میان افراد مبتلا به T1D نشان میدهد، و بر نیاز به رویکردهای درمانی شخصیشده تأکید میکند.
برای اینکه عواملی فراتر از کربوهیدرات ها به طور سیستماتیک در عملکرد بالینی گنجانده شوند، دانشمندان باید راهی برای اندازه گیری و کمیت تاثیر آنها بیابند و از این اطلاعات در دوزینگ انسولین استفاده کنند. این همچنین میتواند به پیشبینی دقیقتر قند خون کمک کند. اما این مطالعه نشان داد که پیش بینی دقیق مداوم بر اساس اطلاعات مربوط به انسولین و کربوهیدراتها، به تنهایی امکانپذیر نیست.
دکتر دگن افزود: مطالعه ما نشان میدهد که مدیریت دیابت نوع 1 بسیار پیچیدهتر از شمارش کربوهیدراتها است. غنای بینشهایی که میتوان از مطالعه ی دادههای تحویل خودکار انسولین به دست آورد، ارزش تلاشی را دارد که برای کار با این نوع دادههای واقعی انجام میشود.آنچه که ما را بیش از همه شگفت زده کرد، تنوع بسیار زیاد الگوهایی بود که حتی در گروه نسبتاً کوچک و همگن شرکت کنندگان در این مطالعه مشاهده کردیم. واضح است که وقتی صحبت از مدیریت دیابت به میان می آید، یک درمان مشابه برای همه مناسب نیست.ما امیدواریم که نتایج ما الهام بخش تحقیقات بیشتر در مورد عوامل کمتر بررسی شده باشد که بر نیاز به انسولین تاثیر می گذارند و برای بهبود دوزینگ انسولین مهم هستند.
این تیم اکنون در حال کار بر روی پیشرفت روشهای الگو یابی سری زمانی است که میتواند ماهیت متنوع و پیچیده دادههای پزشکی واقعی، از جمله نمونهبرداری نامنظم و دادههای از دست رفته را مدیریت کند. تمرکز فعلی آنها بر روی توسعه ی تکنیکهای بخشبندی و خوشهبندی نوآورانه برای دادههای سری زمانی چند متغیره است که برای کشف الگوهای گرانولار بیشتر و رسیدگی به چالشهای ناشی از دادههای AID طراحی شده است.
برای حمایت از این تحقیقات در آینده، این تیم به دنبال مجموعه دادههای AID درازمدت و با دسترسی باز است که شامل طیف وسیعی از اندازهگیریهای عوامل احتمالی توسط سنسورها و گروه متنوعی از افراد مبتلا به T1D است.
علاوه بر این، آنها قصد دارند با متخصصان سری زمانی و یادگیری ماشینی همکاری کنند تا به چالشهای فنی مانند مدیریت دادههای نمونهگیری نامنظم با فواصل مختلف بین متغیرها غلبه کرده و علل پشت الگوهای مشاهدهشده را بمنظور هدف نهایی یعنی نوآوریها در مراقبت شخصیسازی شده، کشف کنند.
منبع:
https://medicalxpress.com/news/2024-11-size-treatment-diabetes.html