[ad_1]
Diagnosis yang benar dan tepat waktu dari diabetes tahap awal adalah penting untuk memastikan perawatan pasien yang tepat dan rejimen pengobatan yang benar sambil menghindari kemungkinan komplikasi serius. Untuk itu, banyak penelitian dilakukan dengan tujuan untuk mendukung proses pengambilan keputusan medis di bidang ini, termasuk penerapan model pengolahan data berbasis pembelajaran mesin.
Woo Seok Lee, Junghyo Jo dan Taegeun Song telah membahas masalah khusus ini dalam makalah penelitian mereka yang berjudul “Pembelajaran mesin untuk diagnosis diabetes tahap awal menggunakan profil glukosa temporal” yang menjadi dasar dari teks berikut dan bertujuan untuk memperkenalkan mesin algoritma pembelajaran untuk analisis profil glukosa darah.
Pentingnya penelitian ini
Diabetes adalah penyakit kronis yang menyebabkan kerusakan jangka panjang, disfungsi, dan kegagalan berbagai organ yang mengakibatkan komplikasi. Sifat kronis dan periode laten penyakit yang panjang membuat sulit untuk diidentifikasi pada tahap awal. Para peneliti telah mengusulkan Model Pembelajaran Mesin untuk mengidentifikasi diabetes tahap awal dengan akurasi di atas 85%. Model ML yang diusulkan bisa menjadi cara yang efektif untuk mengidentifikasi diabetes lebih awal dan mengelolanya dengan lebih efektif.
Dalam tubuh kita, kadar glukosa darah (BGL) diatur secara ketat oleh dua hormon kontra-regulasi, insulin dan glukagon. Pankreas endokrin melepaskan insulin yang membantu homeostasis glukosa, yang membantu mempertahankan BGL.
Bagaimana kita bisa memutuskan apakah seseorang menderita Diabetes?
Konsentrasi glukosa puasa normal adalah sekitar 4 mmol/L. American Diabetes Association Guideline mendefinisikan hiperglikemia sebagai 5,6 7,8 mM rata-rata pada 2 jam puasa) didefinisikan sebagai diabetes mellitus (DM)
Jenis Diabetes
Ada tiga jenis diabetes
- Diabetes Tipe1: Diabetes tipe1 mengacu pada kondisi di mana pankreas tidak menghasilkan cukup insulin. Pankreas buatan dapat membantu pasien dengan Diabetes Tipe 1.
- Diabetes Tipe2: Jenis Diabetes yang paling umum (~90% kasus). Diabetes tipe 2 terjadi karena resistensi insulin, yang mengacu pada suatu kondisi di mana tubuh memproduksi cukup insulin, tetapi tidak dapat mencapai sel, menyebabkan kadar glukosa dalam darah meningkat.
- Diabetes Gestasional: Kondisi sementara di mana BGL meningkat selama kehamilan.
Model Pembelajaran Mesin yang Diusulkan
Para peneliti telah mengusulkan Model Pembelajaran Mesin yang memprediksi diabetes dengan mempertimbangkan faktor-faktor seperti usia, jenis kelamin, BMI, lingkar pinggang, merokok, pekerjaan, hipertensi, daerah perumahan (pedesaan/perkotaan), aktivitas fisik, dan riwayat keluarga Diabetes. Para peneliti telah memantau peningkatan resistensi insulin dari tren waktu BGL untuk memprediksi Diabetes Tipe-2.
Hasil
Keakuratan model yang diusulkan berkisar antara 70% hingga 90%
Pekerjaan masa depan
Perangkat yang dapat dikenakan menyediakan metode non-invasif untuk pemantauan glukosa berkelanjutan. Pemantauan yang menginstruksikan pankreas buatan untuk memompa insulin sesuai kebutuhan ini sangat efektif untuk pasien diabetes tipe 1. Karena data diagnostik yang lebih akurat tersedia untuk peneliti, model ML harus ditingkatkan. Banyaknya data yang kaya akan membantu spesialis medis untuk mendeteksi diabetes lebih awal dan mengelolanya dengan lebih efektif.
Kesimpulan
Dalam kata-kata para peneliti,
Kami memeriksa apakah pembelajaran mesin dapat mendeteksi pola BGL di bawah resistensi insulin. Perubahan temporal hasil BGL dari respon seimbang terhadap hormon kontra-regulasi, insulin dan glukagon. Jadi tindakan insulin yang tidak efektif, yang disebut resistensi insulin, akan mempengaruhi profil BGL. Oleh karena itu, kami mensimulasikan profil glukosa di bawah resistensi insulin dengan menggunakan model biofisik untuk regulasi glukosa, dan mengkonfirmasi bahwa perubahan halus profil glukosa di bawah resistensi insulin dapat dikenali dengan berbagai metode pembelajaran mesin. Ini menunjukkan potensi besar dari pendekatan pembelajaran mesin untuk diagnosis Diabetes tahap awal.
Sumber: Woo Seok Lee, Junghyo Jo dan Taegeun Song “Pembelajaran mesin untuk diagnosis diabetes tahap awal menggunakan profil glukosa temporal”
[ad_2]
