🔒Открыть пост
и посмотреть медиа
и посмотреть медиа
🏢🔮 Данные с обычных смарт-часов в сочетании с рутинными анализами крови могут выявлять раннюю инсулинорезистентность, которую не видит обычный чекап. Google Health выкатил новое исследование о том, как носимые гаджеты умеют в предикцию диабета.
Кто о чем, а Google Health снова о том, как «умные» часы способны причинять пользу для здоровья и предсказывать риски развития сахарного диабета и преддиабета – якобы даже точнее, чем привычные лабораторные анализы. Кратко об исследовании WEAR-ME, опубликованном в Nature:
⚫️В исследовании участвовали 1165 человек, которые носили смарт-часы Google Pixel и Fitbit около 300 дней и сдавали стандартные анализы крови.
⚫️С гаджетов собирали данные о пульсе, ВСР, сне и физической активности, а также учитывали базовые вводные о поле, возрасте, ИМТ, артериальном давлении и окружности талии.
⚫️Модель обучили на 40 млн часов ношения девайсов, которые все это время передавали данные с сенсоров.
⚫️На входе смотрели 13 лабораторных биомаркеров, включая показатели липидного профиля, углеводного обмена, ферменты печени, ферритин, СРБ, ApoE, IGFBP-2, адипонектин и проч., но в финальной модели решили учитывать только сахар, HbA1, ЛПВП и триглицериды.
⚫️Мерилом ИР выступал индекс HOMA-IR, а методом верификации точности модели – внутривенный глюкозотолерантный тест (IVGTT).
🎯 В итоге вместе с учеными из университетов Кембриджа и Вашингтона исследователи Google разработали ИИ-модель для раннего выявления инсулинорезистентности на основе рутинных биомаркеров, к которым добавили данные с гаджетов – это увеличило точность прогнозирования на 12%: с 0,76 до 0,88 AUROC. Речь идет в том числе о людях, у которых уровень сахара и гликированного гемоглобина находился в пределах нормы.
Вообще-то это действительно много, и что самое интересное, обученная модель оставалась эффективной даже без анализов крови – ориентируясь только на данные со смарт-часов и антропометрию. В Гугл очень довольны результатами и считают, что простые гаджеты теперь можно использовать как инструмент массового скрининга метаболических рисков, особенно в группах без видимых лабораторных предикторов диабета.
⚙️ По словам исследователей, чувствительность мультимодальной модели – 76%, а специфичность 84%, при этом лучше всего модель сработала для людей с лишним весом и малоподвижным образом жизни, показав чувствительность 93%.
Результаты прогноза интегрировали в LLM, чтобы система могла не просто выдать цифру риска, но и объяснить пользователю ее значение, а также дать персонализированные рекомендации по изменению образа жизни – эндокринологи уже оценили их.
🤔 История, конечно, эффектная, но невольно возникает ощущение, что здравый смысл покинул чат, а научному подразделению Google охота навести суету и добавить хайпа вокруг темы гаджетов под эгидой make ЗОЖ great again. С учетом того, что медианный ИМТ участников исследования был 28 кг/м², возраст – 45 лет, а HbA1 – 5,4%, наличие метаболических рисков выглядят самоочевидным, а рекомендации по их превенции – всем и так хорошо известны без ИИ.
#wearables #гаджеты #медтех #ИИ #превентивнаямедицина #метаболизм