Yapay Zeka Destekli Glikoz Tahmini ve Diyabet Yönetimi Araştırıldı
Diyabet hastalarında glisemik kontrolü ve glikoz tahminini inceleyen sistematik derleme, yapay zeka yaklaşımlarının klinik sonuçlarını ortaya koyuyor.
Yayınlanan yeni bir sistematik derleme, diyabet hastalarında glikoz tahmini ile glisemik yönetimin iyileştirilmesinde yapay zeka ve makine öğrenimi modellerinin performansını ve klinik çıktılarını inceledi.
Giriş ve Arka Plan
Diyabet mellitus, bireyler arası glikoz yanıtlarının değişmesi nedeniyle sürekli glisemik yönetimi gerektiren majör bir kronik metabolik bozukluktur.
Yapay zeka, karmaşık sağlık verilerini analiz etmek ve kişiselleştirilmiş glisemik yönetimi desteklemek için potansiyel bir yaklaşım olarak ortaya çıkmıştır.
Glikoz İzleme Verileri
Sürekli glikoz izleme sistemleri günlük glisemik örüntülerin daha zengin bir temsilini sağlar ve yapay zeka modelleri bu verileri fiziksel aktivite, diyet alımı ve insülin kullanımı gibi özelliklerle birleştirir.
Maastricht Çalışması'nda CGM verilerine dayanan modeller, 15 ve 60 dakikada glikozu sırasıyla 0.19 ve 0.59 mmol/L kök ortalama kare hata değerleriyle tahmin etmiştir.
Model Performansları
Tip 2 diyabetli 440 hastada geliştirilen makine öğrenimi modellerinde, gece hipoglisemisi için LightGBM modeli 0.869'luk bir eğri altında kalan alan değerine ulaşmıştır.
İnsülin içermeyen Tip 2 diyabetli 118 yetişkinde değerlendirilen yapay zeka tabanlı dijital terapötik, üç ay sonra HbA1c'de yüzde 0.67'lik bir düşüş ile ilişkilendirilmiştir.
Derleme Yöntemleri
Bu sistematik derleme, PRISMA 2020 yönergelerine uygun olarak yürütülmüştür ve popülasyon olarak diyabet mellitusu olan yetişkinler dahil edilmiştir.
PubMed, Scopus ve Web of Science veritabanlarında Temmuz 2026'ya kadar kapsamlı bir sistematik literatür taraması gerçekleştirilmiştir.