Штучний інтелект допоможе виявляти цукровий діабет до появи симптомів

Група науковців з Національного технічного університету «Дніпровська політехніка» розробила інноваційну систему раннього виявлення цукрового діабету з використанням методів машинного навчання. Дослідження, проведене під керівництвом Тетяни Хом'як, спрямоване на вирішення однієї з найгостріших проблем сучасної медицини — своєчасної діагностики цукрового діабету.

За даними дослідження, на цукровий діабет страждає близько 530 мільйонів людей у світі. Особливу небезпеку становить те, що багато симптомів захворювання, такі як сухість у роті, часте сечовипускання, погіршення зору, втрата ваги та постійне відчуття голоду, часто ігноруються пацієнтами і не розглядаються як потенційні ознаки діабету.

Для створення прогностичної моделі науковці використали дані з сайту «Центр контролю та профілактики захворювань», що містили інформацію про 253 689 пацієнтів. База даних включала 22 різні показники, серед яких: рівень холестерину, індекс маси тіла, наявність серцево-судинних захворювань, куріння, фізична активність, харчові звички та інші параметри.

Дослідники застосували чотири методи машинного навчання: Decision Tree, Random Forest, k-NN та Ada Boost. Після ретельного аналізу та обробки даних найефективнішим виявився метод Decision Tree, який показав найвищі показники точності для всіх трьох категорій пацієнтів: без діабету, з переддіабетом та з діабетом.

Аналіз даних виявив кілька важливих закономірностей. Зокрема, пацієнти з ішемічною хворобою серця хворіють на цукровий діабет приблизно в 4 рази частіше. Серед курців 8% мають діабет або переддіабет. Найбільша кількість хворих на діабет спостерігається у віковій групі 50−64 роки. Половина пацієнтів з діабетом мають ожиріння. Важливо відзначити, що фізично активні пацієнти хворіють на діабет у 3,5 рази рідше.

Особливу увагу дослідники приділили гендерним особливостям захворювання. Виявилося, що жінки дещо частіше страждають на діабет та переддіабет, що може бути пов'язано з гормональними змінами протягом життя. При цьому серед здорових людей жінок на 20 000 більше, ніж чоловіків.

Розроблена система показала високу ефективність у прогнозуванні. Метод Decision Tree досяг точності 92% з показниками precision та recall для всіх категорій пацієнтів від 0,89 до 0,95. Random Forest показав загальну точність 95%, хоча мав дещо нижчі показники для окремих категорій. Метод k-NN після оптимізації досяг точності 96%, а Ada Boost виявився найменш ефективним з точністю 63%.

Результати дослідження мають велике практичне значення для медичної галузі. Впровадження такої системи дозволить медичним працівникам виявляти пацієнтів з високим ризиком розвитку діабету ще до появи явних симптомів. Це відкриває можливості для раннього втручання та профілактики, що може значно покращити прогноз лікування та якість життя пацієнтів.

Дослідники підкреслюють, що розроблена система може бути особливо корисною для первинної ланки медичної допомоги, де лікарі можуть використовувати її як додатковий інструмент скринінгу пацієнтів. Це особливо важливо, враховуючи прогнози, що до 2034 року кількість хворих на діабет може перевищити 592 мільйони осіб.

Робота українських науковців демонструє, як сучасні технології штучного інтелекту можуть ефективно застосовуватися в медицині для вирішення складних діагностичних завдань. Результати дослідження можуть бути використані для подальшої розробки та вдосконалення інформаційних систем медичної діагностики.