מטרת המחקר היתה לפתח גישה לא פולשנית לזיהוי היפוגליקמיה בעזרת מידע המתקבל משעונים חכמים. במחקר זה החוקרים אספו מידע באופן פרוספקטיבי משני סוגי שעוני יד חכמים (Garmin vivoactive 4S ו-Empatica E4) יחד עם ערכי גלוקוז מתוך מערכת ניטור גלוקוז רציף, עבור נבדקים בגירים עם סוכרת תלויה באינסולין.
עוד בעניין דומה
בעזרת מידע זה יצרו החוקרים מודל של למידת מכונה (Machine Learning - ML) לזיהוי היפוגליקמיה (מוגדרת כירידה של ערכי הגלוקוז בדם מתחת ל-3.9 מילימול/ליטר) באופן לא פולשני, בנבדקים שלא נבדקו על ידי רופא, על בסיס מידע משעון היד החכם בלבד.
בתוצאות המחקר נכלל מידע עבור 22 נבדקים (גיל ממוצע של 54.5±15.2 שנים, ערכי המוגלובין מסוכרר [Glycated Hemoglobin - HbA1c] ממוצעים של 6.9±0.6%; 16 מהם היו גברים).
תוצאות המחקר הדגימו כי ניתן לזהות היפוגליקמיה על בסיס מידע הנאסף מהשעון החכם עם שטח שתחת עקומה אופיינית למכוון (Area Under the Receiver Operating Characteristic curve - AUC ROC) של 0.76±0.07 בהתבסס על מידע משעון יד חכם בלבד.
ניתוח מאפיינים חשף כי מודל ML מצא קשר בין עלייה בקצב הלב, ירידה בשונות קצב הלב ועליה בפעילות אלקטרודרמית טונית לבין הופעת היפוגליקמיה.
מסקנת החוקרים היתה כי ייתכן שניתן להשתמש במידע שנאסף על ידי שעון חכם לצורך זיהוי לא פולשני של היפוגליקמיה במטופלים עם סוכרת. גישה זו יכולה להשלים את הגישות הקיימות לאזהרה ולזיהוי מוקדם של היפוגליקמיה.
מקור:
הירשמו לקבלת עדכונים בנושאים שעלו בכתבה
תגובות אחרונות