Zastosowanie AI/ML w prognozowaniu ryzyka hipoglikemii u pacjentów z cukrzycą

Placówka medyczna prowadząca specjalistyczny program opieki nad pacjentami z cukrzycą. Celem klienta było wdrożenie systemu umożliwiającego prognozowanie ryzyka hipoglikemii oraz automatyczne informowanie pacjentów o potencjalnym zagrożeniu zdrowotnym.

Hipoglikemia stanowi jedno z najpoważniejszych zagrożeń dla osób chorujących na cukrzycę.

Dotychczas proces opieki nad pacjentami z hipoglikemią wymagał zaangażowania zespołu medycznego, który analizował przebieg epizodu, interpretował dane i w razie potrzeby kontaktował się z chorym. Każda taka analiza zajmowała średnio około 10 minut i wiązała się z ryzykiem opóźnień — telefon do pacjenta mógł nie zostać wykonany na czas, co mogło wpływać na bezpieczeństwo chorego.

Klient potrzebował rozwiązania, które:

• Automatycznie analizowałoby dane z glukometrów, informacje o przyjmowanych lekach oraz dane osobowe pacjentów.
• Prognozowałoby ryzyko wystąpienia epizodów hipoglikemii.
• Wysyłałoby pacjentom powiadomienia o potencjalnym zagrożeniu.
• Ograniczało potrzebę stałego monitorowania pacjentów przez personel medyczny.

1. Projektowanie i rozwój modelu predykcyjnego
   Stworzyliśmy model AI/ML, który analizował pomiary poziomu glukozy, informacje o stosowanych lekach oraz indywidualne dane pacjentów.
2. Budowa systemu powiadomień
   Opracowaliśmy mechanizm wysyłania alertów do pacjentów w przypadku wykrycia zwiększonego ryzyka hipoglikemii.
3. Walidacja i optymalizacja rozwiązania
   Skuteczność naszego modelu do przewidywania hipoglikemii opieramy na dwóch kluczowych wskaźnikach diagnostycznych, powszechnie stosowanych w medycynie i analizie danych: czułości i swoistości.

• Czułość (ang. sensitivity)
  określa, jak skutecznie algorytm wykrywa rzeczywiste epizody hipoglikemii. Im wyższa czułość, tym większy odsetek faktycznych przypadków hipoglikemii zostaje poprawnie rozpoznany i zasygnalizowany przez system — co minimalizuje ryzyko przeoczenia zagrożenia.
• Swoistość (ang. specificity)
  pokazuje, jak dobrze algorytm unika fałszywych alarmów. Wysoka swoistość oznacza, że w sytuacjach, gdy nie występuje zagrożenie hipoglikemią, system nie podnosi niepotrzebnego ostrzeżenia — dzięki czemu pacjenci i personel nie są obciążani nieuzasadnionymi interwencjami.

Zbudowaliśmy system, który został bardzo dobrze przyjęty przez zespół medyczny oraz pacjentów objętych programem opieki. System umożliwił skuteczne przewidywanie ryzyka hipoglikemii i automatyczne powiadamianie pacjentów. 

Dzięki wdrożeniu znacząco zwiększono bezpieczeństwo pacjentów i poprawiono ich jakość życia. Proces rozwoju i współpracy z Klientem przebiegał płynnie i był na bieżąco monitorowany. Nasz zespół dzielił się wiedzą, co ułatwiło wdrożenie i dalsze wykorzystanie systemu.