دیابتی ها – یا دیگرانی که مراقب مصرف قند خود هستند – ممکن است به یک کلوچه نگاه کنند و تعجب کنند که “خوردن آن چگونه بر سطح گلوکز من تأثیر می گذارد؟” مدل هوش مصنوعی مولد اکنون می تواند پاسخ را پیش بینی کند.

محققان مؤسسه علوم Weizmann، استارت‌آپ Pheno.AI تل آویو و NVIDIA توسعه GluFormer را رهبری کردند، یک مدل هوش مصنوعی که می‌تواند سطح گلوکز آینده فرد و سایر معیارهای سلامتی را بر اساس داده‌های پایش گلوکز گذشته پیش‌بینی کند.

براساس انتشارات سلامت هاروارد و NYU Langone Health، داده‌های پایش مداوم گلوکز می‌تواند به تشخیص سریع‌تر بیماران مبتلا به پیش دیابت یا دیابت کمک کند. قابلیت‌های هوش مصنوعی GluFormer می‌تواند ارزش این داده‌ها را بیشتر افزایش دهد و به پزشکان و بیماران کمک کند تا ناهنجاری‌ها را شناسایی کنند، نتایج کارآزمایی بالینی را پیش‌بینی کنند و نتایج سلامت را تا چهار سال قبل پیش‌بینی کنند.

محققان نشان دادند که پس از افزودن داده‌های دریافت رژیم غذایی به مدل، GluFormer همچنین می‌تواند پیش‌بینی کند که سطح گلوکز فرد به غذاهای خاص و تغییرات رژیم غذایی چگونه پاسخ می‌دهد و تغذیه دقیق را ممکن می‌سازد.

پیش‌بینی دقیق سطح گلوکز در افراد در معرض خطر ابتلا به دیابت می‌تواند پزشکان و بیماران را قادر سازد تا راهبردهای مراقبت‌های پیشگیرانه را زودتر اتخاذ کنند و نتایج بیماران را بهبود بخشد و تأثیر اقتصادی دیابت را کاهش دهد که تا سال 2030 می‌تواند به 2.5 تریلیون دلار در جهان برسد.

ابزارهای هوش مصنوعی مانند GluFormer پتانسیل کمک به صدها میلیون بزرگسال مبتلا به دیابت را دارند. این عارضه در حال حاضر حدود 10 درصد از بزرگسالان جهان را تحت تأثیر قرار می دهد، این رقم می تواند تا سال 2050 دو برابر شود و بیش از 1.3 میلیارد نفر را تحت تأثیر قرار دهد. این یکی از ده علت اصلی مرگ و میر در جهان است و عوارض جانبی آن شامل آسیب کلیه، از دست دادن بینایی و مشکلات قلبی است.

GluFormer یک ترانسفورماتور مدل است، نوعی معماری شبکه عصبی که روابط را در داده های متوالی ردیابی می کند. این ساختار مشابه مدل‌های GPT OpenAI است، در این مورد به جای متن، سطح گلوکز تولید می‌شود.

گال چچیک، مدیر ارشد تحقیقات هوش مصنوعی در NVIDIA، گفت: «داده‌های پزشکی و به‌ویژه CGM را می‌توان به‌عنوان دنباله‌ای از آزمایش‌های تشخیصی در نظر گرفت که فرآیندهای بیولوژیکی را در طول زندگی دنبال می‌کند. ما متوجه شدیم که معماری ترانسفورماتور، که برای دنباله‌های متنی طولانی ساخته شده است، می‌تواند یک سری آزمایش‌های پزشکی را اجرا کند و نتایج آزمایش بعدی را پیش‌بینی کند، با انجام این کار، چیزی در مورد چگونگی تکامل اندازه‌گیری‌های تشخیصی در طول زمان می‌آموزد.

این مدل بر روی 14 روز داده های پایش گلوکز از بیش از 10000 شرکت کننده غیر دیابتی مطالعه شد و داده ها هر 15 دقیقه از طریق یک دستگاه نظارت پوشیدنی جمع آوری شد. این داده ها به عنوان بخشی از پروژه فنوتیپ انسانی، ابتکاری توسط Pheno.AI، استارت آپی که هدف آن بهبود سلامت انسان از طریق جمع آوری و تجزیه و تحلیل داده ها است، جمع آوری شد.

گای لوتزکر، محقق ارشد این مطالعه، می‌گوید: «دو عامل مهم در کنار هم قرار گرفتند تا این تحقیق را امکان‌پذیر کند: بلوغ فناوری هوش مصنوعی مولد توسط NVIDIA و جمع‌آوری داده‌های بهداشتی در مقیاس بزرگ توسط مؤسسه Weizmann». و Ph.D. دانشجوی موسسه علوم وایزمن “این ما را در موقعیتی منحصر به فرد برای استخراج بینش های پزشکی جالب از داده ها قرار می دهد.”

تیم تحقیقاتی GluFormer را در 15 مجموعه داده دیگر تأیید کرد و دریافت که برای پیش‌بینی نتایج سلامت برای گروه‌های دیگر، از جمله افراد مبتلا به پیش دیابت، دیابت نوع 1 و 2، دیابت بارداری و چاقی، به خوبی تعمیم می‌یابد.

آنها از ترکیبی از پردازنده‌های گرافیکی NVIDIA Tensor Core برای تسریع آموزش مدل و استنتاج استفاده کردند.

فراتر از سطح گلوکز، GluFormer می تواند مقادیر بالینی از جمله بافت چربی احشایی، اندازه گیری میزان چربی بدن در اطراف اندام هایی مانند کبد و پانکراس را پیش بینی کند. فشار خون سیستولیک، که با خطر دیابت مرتبط است. شاخص آپنه-هیپوپنه، معیاری برای آپنه خواب، با دیابت نوع 2 مرتبط است.

مقاله تحقیقاتی GluFormer در Arxiv را بخوانید.