Koneoppimisesta haetaan jälleen etua, tällä kertaa tyypin 2 diabetekseen liittyen. Huonon hoitotasapainon riski voidaan ennustaa luotettavasti tekniikan tuomilla menetelmillä.
Juuri Itä-Suomen yliopiston ja Oulun yliopiston yhteystyönä julkaistu tutkimus tarkasteli tyypin 2 diabetesta sairastavien hoitotasapainoa Pohjois-Karjalassa kuuden vuoden ajalta. Hoitotasapaino määriteltiin pitkän aikavälin verensokerin, HbA1c:n perusteella.
Aineistosta oli havaittavissa verensokeriarvojen suhteen kolme erilaista pitkän aikavälin kehityskaarta. Näistä muodostettiin kaksi ryhmää: hyvässä ja huonossa hoitotasapainossa läpi seurannan olleet potilaat.
Koneoppimiskeinoin tarkasteltiin potilaan ominaisuuksia, terveydentilaa ja sosioekonomista asemaa kuvailevien lähtötietojen yhteyttä hoitotasapainoon. Tutkimuksessa hyödynnettiin potilaista yli 200 lähtötietoa.
Tulosten mukaan missä vaiheessa tahansa sairauden kulkua on mahdollista tunnistaa luotettavasti potilaat, joilla on jatkuvasti kohonneen verensokeritason riski, käyttämällä tietoa sairauden kestosta, aikaisemmista HbA1c-arvoista, paastoverensokerista sekä käytössä olevista diabeteslääkkeistä ja niiden lukumäärästä. Huonoa hoitotasapainoa voidaan siis ennustaa tiedoista, joita yleisesti mitataan sairauden seurannan myötä.
Hoidon viivästynyt tehostaminen lisää komplikaatioiden riskiä, mikä näkyy myös niihin liittyvien hoitokustannusten kasvuna.
Tutkimus rakentuu Pohjois-Karjalan sosiaali- ja terveyspalvelujen kuntayhtymän, Siun soten, elektronisen potilastietojärjestelmän, Kelan rekistereiden ja Tilastokeskuksen avoimen Paavo-tietokannan tietoihin. Mukaan poimittiin 9631 tyypin 2 diabetesta sairastavaa henkilöä.
Maria Nummela
Uutinen on julkaistu aiemmin Lääkärilehden verkkosivuilla.
