یادگیری ماشینی در کشف پایبندی به دارو – HEOR. بینش


تحقیقات هوش مصنوعی (AI) و یادگیری ماشین (ML) و کاربردهای آن در زمینه های مختلف هر روز به اوج جدیدی می رسد. برنامه های بسیاری برای این فناوری پیشرفته از محصولات مصرفی مانند FaceID اپل، شخصی سازی (سیستم های توصیه) و آموزش وجود دارد. مقاله‌ای که اخیراً در مجله علم و فناوری دیابت منتشر شده است، یک رویکرد مبتنی بر ML را برای اندازه‌گیری و تشخیص پایبندی در بیماران مبتلا به دیابت با استفاده از تزریق انسولین پایه یک‌بار در روز با هدف نهایی توسعه یک سیستم هشدار اولیه برای تشخیص پایبندی به دارو بررسی کرده است.

نویسندگان از داده‌های به‌دست‌آمده از فناوری پایش مداوم گلوکز سیلیکو (CGM) برای شبیه‌سازی گروهی از بیماران دیابتی نوع ۲ در دوز روزانه تزریق انسولین استفاده کردند. نتایج به‌دست‌آمده از آخرین تکنیک‌های مدل‌سازی ML به نام «یادگیری عمیق» و مدل‌های طبقه‌بندی ML با ویژگی‌های ساده مقایسه شد. یادداشت های زیر توسط نویسندگان انجام شده است –

سه مدل طبقه‌بندی مبتنی بر ویژگی که ماهرانه طراحی شده‌اند، میانگین سطوح دقت ۷۸.۶%، ۷۸.۲% و ۷۸.۳% را داشتند. مدل طبقه بندی کاملاً وابسته به ویژگی های به دست آمده دارای دقت متوسط ​​۷۹.۷٪ بود. دو مدل طبقه‌بندی شامل ویژگی‌های طراحی شده توسط متخصصان و فراگیران دارای دقت متوسط ​​۷۹.۷% و ۷۹.۸% بودند. تمام نتایج گزارش شده ۱۶ ساعت پس از زمان تزریق به دست آمد.

“.. استفاده از مدل های ساده در مقابل مدل های پیچیده تر، یک مزیت واضح دارد.”

اگر این تحقیق در داده‌های CGM واقعی تکرار شود، می‌تواند فرصت‌های جدیدی را برای پیاده‌سازی ابزارهای بازداشت زودهنگام برای کمک به تصمیم‌گیرندگان و بیماران ایجاد کند. به عنوان مثال، خروجی یک فرم (یعنی زنگ تعهد) می تواند برای ایجاد یک سیستم اطلاع رسانی در برنامه های مدیریت مراقبت های بهداشتی توسط ارائه دهندگان خدمات استفاده شود. افزایش مقیاس این برنامه از مجموعه داده های غنی تر در دنیای واقعی برای بهبود بیشتر مدل استفاده می کند

رژیم آنلاین دکتر روشن ضمیر https://rdiet.ir/