Typ 1 Diabetes: KI hilft bei Blutzucker Check, Forscher der University of Bristol haben bestärkendes Lernen an virtuellen Patienten getestet

Bristol, PTE, 16.Juni 2023

Maschinelles Lernens könnte laut einer Studie der University of Bristol Patienten mit Typ 1 Diabetes bei der Überwachung ihrer Blutzuckerwerte helfen. Denn die #KI #Methode ist denen im Handel erhältlichen Verfahren zur #Blutzuckerkontrolle in Hinblick auf Sicherheit und Wirksamkeit deutlich überlegen, heißt es. Konkret geht es um bestärkendes Lernen. Bei dieser Art des maschinellen Lernens lernt ein Algorithmus Entscheidungen zu treffen, indem verschiedene Handlungen ausprobiert werden.

Vor allem für #Kinder geeignet

Die größten Fortschritte konnten bei Kindern erzielt werden. Bei ihnen wurden zusätzliche 1,5 Stunden pro Tag innerhalb des Zielglukosebereichs ermöglicht. Bei Kindern handelt es sich um eine besonders wichtige Personengruppe, da sie häufig allein nicht in der Lage sind, mit ihrer Erkrankung ohne Unterstützung umzugehen. Eine derartige Entwicklung könnte daher langfristig zu deutlich verbesserten Gesundheitsergebnissen führen.

Dem leitenden Wissenschaftler Harry Emerson geht es darum herauszufinden, ob das bestärkende Lernen für die Entwicklung von sichereren und effektiveren Strategien zur Dosierung von Insulin betragen kann. Die eingesetzten Algorithmen können aus bestehenden #Zuckerwerten aus dem #Blut eine sehr personalisierte Dosierung von Insulin vornehmen. Sie lernen dabei aus der Beobachtung von Beispielen einer guten oder schlechten Kontrolle der Blutzuckerwerte.

Simulator reagiert auf Fehler

Aufgrund der hohen Risiken bei der falschen Dosierung von #Insulin wurden die Experimente mittels eines UVA Padova Simulators durchgeführt, der virtuelle Patienten für die Überprüfung der Algorithmen zur Verfügung stellt. Dabei haben die Experten hochmoderne Algorithmen für das bestärkende #Lernen mit einem der am häufigsten eingesetzten künstlichen Algorithmen zur Kontrolle der Bauchspeicheldrüse verglichen.

Dieser Vergleich wurde bei 30 virtuellen #Patienten, #Erwachsenen, #Heranwachsenden und #Kindern durchgeführt. Dabei wurden Daten von 7.000 Tagen berücksichtigt. Die Performance wurde entsprechend den derzeitigen klinischen Richtlinien überprüft. Der Simulator wurde auch dahingehend weiter ausgebaut, dass realistische Umsetzungsprobleme wie Fehler bei der #Messung, falsche Patienteninfos und eingeschränkte Datenmengen ebenfalls in Betracht gezogen wurden. Details wurden im »Journal of Biomedical Informatics« veröffentlicht.