Predicția rezistenței la insulină folosind dispozitive purtabile și biomarkeri sanguini de rutină

Rezistența la insulină (IR), un precursor principal al diabetului de tip 2, se caracterizează printr-o acțiune deficitară a insulinei în țesuturi, conform nature.com. Totuși, metodele de diagnosticare rămân costisitoare și inaccesibile, ceea ce îngreunează intervenția timpurie.

👉 Studiul WEAR-ME și utilizarea datelor de la dispozitive purtabile

Aici prezentăm studiul WEAR-ME, un studiu mare, desfășurat de la distanță, privind IR (n = 1.165 de participanți; indicele de masă corporală (IMC) mediu = 28 kg/m², vârsta medie = 45 ani, medie hemoglobină A1c (HbA1c) = 5.4%) care utilizează date de tip time-series de la dispozitive purtabile și biomarkeri sanguini de rutină pentru a antrena rețele neuronale adânci în raport cu o măsură de referință a IR (evaluarea modelului homeostatic al IR; HOMA-IR).

👉 Performanța modelului multimodal pentru predicția rezistenței la insulină

Folosind un prag HOMA-IR de 2.9, modelul nostru multimodal a obținut performanțe robuste (aria sub curva caracteristicii operativă a receptorului (AUROC) = 0.80, sensibilitate = 76%, specificitate = 84%) cu date de la dispozitive purtabile, împreună cu date demografice și biomarkeri sanguini de rutină. Pentru a îmbunătăți utilizarea datelor de tip time-series provenite de la dispozitive purtabile, am îmbunătățit un model de bază purtabil (WFM) pre-antrenat pe 40 de milioane de ore de date de senzori. Într-o cohortă de validare independentă (n = 72), un model care integrează reprezentările derivate din WFM cu date demografice a depășit o referință bazată doar pe date demografice (AUROC = 0.75 față de 0.66).

Mai mult, adăugarea reprezentărilor derivate din WFM la un model cu date demografice, glucoză pe nemâncate și un panou lipidic a îmbunătățit semnificativ performanța, comparativ cu un model identic fără date provenite de la dispozitive purtabile (AUROC = 0.88 față de 0.76). Integrăm predicția IR într-un model lingvistic mare pentru a contextualiza rezultatele și a facilita recomandări personalizate. Această lucrare stabilește un cadru scalabil și accesibil pentru detectarea timpurie a riscurilor metabolice, care ar putea permite intervenții timpurii în stilul de viață pentru a preveni progresia spre diabetul de tip 2.