Isti tip metoda mašinskog učenja koji se koriste za pilotiranje samovozećih automobila i pobeđivanje vrhunskih šahista mogu pomoći obolelima od dijabetesa tipa 1 da održe nivo glukoze u krvi u bezbednom opsegu.
Naučnici sa Univerziteta u Bristolu su pokazali da učenje sa pojačanjem, vrsta mašinskog učenja u kojoj kompjuterski program uči da donosi odluke pokušavajući različite radnje, značajno nadmašuje komercijalne kontrolere glukoze u krvi u pogledu sigurnosti i efikasnosti. Korišćenjem učenja van mreže, gde algoritam uči iz kartona pacijenata, istraživači poboljšavaju prethodni rad, pokazujući da se dobra kontrola glukoze u krvi može postići učenjem iz odluka pacijenta, a ne pokušajima i greškama.
Dijabetes tipa 1 je jedno od najčešćih autoimunih stanja u Velikoj Britaniji i karakteriše ga insuficijencija hormona insulina, koji je odgovoran za regulaciju glukoze u krvi.
Mnogi faktori utiču na nivo glukoze u krvi osobe, i stoga može biti izazovan i težak zadatak odabrati ispravnu dozu insulina za dati scenario. Sadašnji uređaji za veštački pankreas obezbeđuju automatizovano doziranje insulina, ali su ograničeni svojim pojednostavljenim algoritmima za donošenje odluka.
Međutim, nova studija objavljena u Journal of Biomedical Informatics pokazuje da učenje van mreže može predstavljati važnu prekretnicu u brizi za ljude koji žive sa ovim stanjem. Najveće poboljšanje je bilo kod dece, koja su iskusila dodatnih 1,5 sati u ciljanom opsegu glukoze dnevno.
Deca predstavljaju posebno važnu grupu, jer često nisu u stanju da upravljaju dijabetesom bez pomoći, a poboljšanje ove veličine bi rezultiralo znatno boljim dugoročnim zdravstvenim ishodima.
Vodeći autor Hari Emerson sa Odeljenja za inženjersku matematiku u Bristolu, objasnio je: „Moje istraživanje istražuje da li se učenje sa pojačanjem može koristiti za razvoj sigurnijih i efikasnijih strategija za doziranje insulina.
„Ovi algoritmi vođeni mašinskim učenjem pokazali su nadljudske performanse u igranju šaha i pilotiranju samovozećih automobila, i stoga bi izvodljivo mogli da nauče da vrše visoko personalizovano doziranje insulina iz prethodno prikupljenih podataka o glukozi u krvi.
„Ovaj konkretni deo rada se posebno fokusira na učenje van mreže, u kome algoritam uči da deluje posmatrajući primere dobre i loše kontrole glukoze u krvi. Prethodne metode učenja sa pojačanjem u ovoj oblasti uglavnom koriste proces pokušaja i grešaka da bi identifikovali dobre akcije , što bi moglo izložiti pacijenta u stvarnom svetu nesigurnim dozama insulina.“
Zbog visokog rizika povezanog sa netačnim doziranjem insulina, eksperimenti su izvedeni korišćenjem UVA/Padova simulatora odobrenog od strane FDA, koji stvara skup virtuelnih pacijenata za testiranje algoritama za kontrolu dijabetesa tipa 1. Najsavremeniji algoritmi za učenje van mreže su procenjeni u odnosu na jedan od najčešće korišćenih algoritama za kontrolu veštačkog pankreasa. Ovo poređenje je sprovedeno na 30 virtuelnih pacijenata (odrasli, adolescenti i deca) i uzeto je u obzir 7.000 dana podataka, pri čemu je učinak procenjen u skladu sa aktuelnim kliničkim smernicama. Simulator je takođe proširen da razmotri realne izazove implementacije, kao što su greške merenja, netačne informacije o pacijentu i ograničene količine dostupnih podataka.
Ovaj rad pruža osnovu za kontinuirano istraživanje učenja o pojačavanju u kontroli glukoze; demonstriranje potencijala pristupa za poboljšanje zdravstvenih ishoda osoba sa dijabetesom tipa 1, uz naglašavanje nedostataka metode i oblasti neophodnog budućeg razvoja.
Krajnji cilj istraživača je da primene učenje sa pojačanjem u sistemima veštačkog pankreasa u stvarnom svetu. Ovi uređaji rade sa ograničenim nadzorom pacijenata i stoga će zahtevati značajne dokaze o bezbednosti i efikasnosti da bi se dobilo odobrenje od strane regulatora.
Emerson je dodao: „Ovo istraživanje pokazuje potencijal mašinskog učenja da nauči efikasne strategije doziranja insulina iz prethodno prikupljenih podataka o dijabetesu tipa 1. Istraženi metod nadmašuje jedan od najčešće korišćenih komercijalnih algoritama veštačkog pankreasa i pokazuje sposobnost da se iskoriste navike i navike osobe. planirajte da brže odgovorite na opasne događaje“.
