Kan kunstig intelligens (AI) virkelig ændre dagligdagen med diabetes?

Spørg næsten alle, hvad der gør det at leve med diabetes så udfordrende, og de tror, ​​de kender svarene.

"Skudene." (Faktisk bliver du vant til dem ret hurtigt.)

"Måltidsplanlægningen." (Sandfærdigt er det, hvad alle skal gøre.)

"Prisen." (Ja, det er ret groft, men ikke det sidste.)

Virkeligheden? Hvad der vejer mest for dem med diabetes eller kæmper med præ-diabetes er mere end bare en behandlingsplan, utallige nåleprikker eller endda de ofte skræmmende regninger.

"Det er det uendelige, konstante og uundgåelige summende i dit hoved om, hvad du gør rigtigt, hvad du laver forkert, hvor længe dit insulin har været om bord, hvis barista virkelig målte jordnøddesmør, som du spurgte," siger Jaime Jones fra Colorado, der har styret sit barns type 1-diabetes (T1D) i otte år nu. "Det er uundgåelig af det hele. Ærligt talt kan det føles sjæl-knusende. ”

Faktisk siger eksperter, at mennesker med diabetes er i konstant beslutningstagningstilstand. Den berømte endokrinolog Dr. Howard Wolpert, Chief Medical Officer for Connected Care i Lilly Cambridge Innovation Center, anslår, at en person med diabetes træffer mindst 300 diabetesrelaterede beslutninger om dagen. Det er mere end 109.000 beslutninger om året.

Ikke underligt at folk bliver udbrændte, snublede eller bare holder op.

Kunne alt dette bevæge sig mod en bedre fremtid? Anvendelsen af ​​såkaldt machine learning eller kunstig intelligens (AI) i diabetesbehandling er en voksende industri. Det er ikke kun fokuseret på bedre resultater for dem med diabetes, men et bedre liv, når de arbejder hen imod disse mål.

Håbet er at skabe tilgængelige programmer, apps og andre værktøjer til at overtage noget af den konstante beslutningstagning - eller i det mindste hjælpe folk med at indsamle og vurdere deres egne data for at give mening på det på en måde, der hjælper med at lette deres dag-til-dag byrde.

Kunne AI være det næste store gennembrud inden for daglig diabetesbehandling? Mange håber det.

Hvorfor AI?

Udtrykkene AI og maskinindlæring bruges ofte om hverandre, fordi de henviser til computernes evne til at knuse enorme datasæt og "lære" af de mønstre, der er opdaget på et niveau, som det menneskelige sind aldrig kunne opnå.

Kunstig intelligens inden for sundhedssektoren forventes at være en industri på 8 milliarder dollars i 2022, men Food and Drug Administration (FDA) har stadig bekymringer over reproducerbarheden af ​​resultater og mangler i de anvendte datasæt - herunder manglende mangfoldighed.

Alligevel er drømmen en AI-drevet verden, hvor step tracker taler til menstruationscykluskalenderen, hjertemonitoren, måleren eller kontinuerlig glukosemonitor (CGM) og mere. Disse systemer deler og sammenligner data ved hjælp af algoritmer og præsenterer derefter på en letlæselig og tilgængelig, letforståelig måde, hvilken beslutning der er bedst for en person i øjeblikket, som en læge i lommen eller en ægte "diabetes-hvisker", der stille og roligt styrer dig mod disse beslutninger og frigør din hjerne til at fokusere på resten af ​​dit liv.

Ønskedrøm? Måske ikke.

I diabetesverdenen har AI allerede aktiveret en revolution i lukkede kredsløbssystemer (aka Artificial Pancreas-teknologi) og sammenkoblede værktøjer til at hjælpe en person med diabetes med at indsamle og gemme flere data, se tendenser fra disse data og blive peget på bedre beslutninger.

'Smart' diabetes-teknologi

Da insulinpumper først begyndte at holde styr på ting som bolusdoser til tidligere måltider, fejrede diabetesverdenen. Det var et babytrin, og nu har yderligere trin bragt os til smartere og mere integrerede værktøjer.

I dag er virksomheder som Livongo, Cecelia Health, One Drop, Virta Health og mySugr alle i gang med AI-drevne systemer designet til at hjælpe med at indsamle, gemme, formidle og udnytte data til mere effektiv og individualiseret diabetesbehandling.

Livongo kombinerer for eksempel blodsukkerovervågning med coaching og fjernovervågning (nudging brugeren når det er nødvendigt) sammen med nogle gode detaljer som at holde styr på, hvor mange strimler du bruger og minde dig om at bestille. One Drop hjælper brugerne med at spore glukoseniveauer sammen med aktivitet, medicin og mad, tilbyder coaching i appen og forbinder brugere til et samfund for support, når det er nødvendigt. Virta Health tilbyder virtuel ernæringscoaching til dem med præ-diabetes og type 2-diabetes.

Den sjove tagline på mySugr inkorporerer målet for dem alle: "At få diabetes til at suge mindre."

Deres system kommer i tre niveauer. For det første en gratis app, der guider brugere i sporing af glukoseniveauer, insulindoser, måltider og mere, og derefter tilbyder en detaljeret analyse af disse oplysninger. Det estimerer A1C-resultater, udskriver en rapport til medicinske aftaler og giver brugerne et solidt kig på 24 timers information til enhver tid.

Der er også en højere niveau, mere forstærket rapport og et tredje serviceniveau, der bringer coaching i form af diabetesundervisere, der ser og studerer brugernes information og når ud, når de finder det nødvendigt.

Den langvarige type 1 Scott Johnson, som er mySugrs talsmand, siger, at han endnu ikke ville kalde det "ægte AI", men sagde, at virksomheden er på rette vej til at komme der i tide.

”Vi ved, at diabetesbehandling er datadrevet,” siger Johnson. ”Men virkelig, ikke mange mennesker fortsætter med at logge (data) længe. mySugr udfører den slags arbejde nu. Og i fremtiden vil det tilbyde endnu mere dataanalyse og vejledning. ”

Han tilføjer på en personlig note, "Jeg vil aflade så mange af mine beslutninger om diabetes som muligt, og ærligt talt tror jeg, at [mySugr] kan gøre det bedre, end jeg kan."

Der er bred enighed om, at selv om disse er bedre end noget, der tidligere var tilgængeligt, kunne AI gå meget længere i retning af at forbedre livet med diabetes.

Sigter mod stabile blodsukker

San Francisco-baserede Steady Health regner sig selv som "Amerikas første fuldt virtuelle endokrinologiklinik." Den 25. august 2020 lancerer de et 5-ugers startprogram, der koster $ 50 og inkluderer recept på to CGM'er, AI-støttet smartphone-baseret coaching og uddannelse omkring mad og motion og datatolkning hos en endokrinolog.

Klik her for detaljer.

Quin-appen tager diabetes AI videre

London-baserede Cyndi Williams arbejdede som kemiingeniør og innovatør, da hun mødte medarbejder Isabella Degen, som tilfældigvis selv har T1D. Med tiden indså de to, at de havde en kombineret kaldelse: Opret en platform, der bedrer livet for dem med diabetes og dem, der passer på dem.

Sådan blev Quin-appen født - som Forbes-magasinet mener "kunne omdanne diabetesbehandling for millioner over hele verden."

Quin står for "kvantificerende intuition", som er en nik til enhver, der bruger insulin. Mens udviklerne ikke planlægger at dette skal være en lukket kredsløbsteknologi, inkluderer den mange af de automatiserede funktioner og beslutningsstøttefunktioner, som AP'er kan tilbyde.

Hvad Quin gør - eller hvad Williams og teamet arbejder for, at det skal gøre - er at tage alle mulige personlige sundhedsdata, ændre dem med beslutninger i det daglige liv og derefter bruge al den kombinerede information til at hjælpe mennesker med diabetes med at tage smarte valg med mindre hjernearbejde.

Med tiden siger Williams, at appen vil grave dybt ned i de mange fysiologiske og psykologiske begivenheder i en persons krop, spore, hvad forskellige fødevarer gør med en person på forskellige tidspunkter og forskellige steder, tage alt det som en og blive i det væsentlige at alvidende læge i lommen kan have brug for mennesker med diabetes.

Selvom det endnu ikke er tilgængeligt i USA, har en tidlig version været i hænderne på brugere i Irland og Storbritannien i det sidste år.

Det er vigtigt, at Quin ikke kræver, at en person skal være på en insulinpumpe eller endda en CGM. Det studerer eller foreslår ikke kulhydratforhold, og det forudsiger heller ikke blodsukkerniveauet.

”Indtil nu har digital diabetes meget handlet om at observere, hvad vi gør, og lægge det i dataene. Det er relativt fladt, ”siger Williams. ”Vi lever i en verden, hvor Spotify ved, hvilken musik vi vil lytte til. Vi er endnu ikke der i diabetes, men det kan vi være. Vi ønsker at reducere den kognitive belastning på en person med diabetes. ”

Hvordan Quin fungerer

Quin trækker på data fra andre sundhedsværktøjer, som en person med diabetes kan bruge (step trackers, pulsmåler osv.) Og også fra de oplysninger, de deler direkte med appen for at hjælpe med at formulere beslutninger baseret på tidligere livserfaringer.

Med andre ord hjælper Quin brugeren med at beslutte, hvad de skal gøre i øjeblikket, baseret på intelligens indsamlet fra tidligere lignende beslutninger. Det gør alt arbejdet for dig: I stedet for at skure din hjerne efter "Hvad pokker skete der den anden gang, jeg havde en latte ved middagstid?" du kan se til Quin for at udføre det hukommelsesarbejde, overlejre det på den aktuelle situation og problemfrit nulstille en handlingsbeslutning.

Deres algoritme er afhængig af noget input: Quin beder brugeren om at tage et billede af et måltid (eller den latte) og indtaste denne info. Quin vil gå derfra og markere andre datapunkter: tidspunktet på dagen, din puls, hvis du er travl eller stresset og meget mere. Så hjælper det dig ikke kun at se, hvilken mængde insulindosis der kan være bedst for den mad, men hvilken dosis der er bedst for den mad i det øjeblik for dig og kun dig.

"Det er en filosofi, der er baseret på ideen om, at dine tidligere beslutninger (uanset deres resultat) er de bedste oplysninger, vi har," siger Williams.

Selvom ting som lavere A1C'er og mere tid inden for rækkevidde (TIR) ​​er afgørende, går målet ud over blodsukker, siger hun. "Det, vi ser på, er hvordan vi kan forbedre hele personens liv."

Brugerresultater har hidtil været stærke. Et præklinisk forsøg i foråret 2019 med 100 brugere viste, at 76 procent havde færre hypofyser og 67 procent havde bedre TIR. Også over 60 procent sagde, at de "føler sig mere selvsikre og rapporterer, at deres liv med diabetes er bedre nu," bemærker Williams.

De vil sandsynligvis gennemgå processen for at ansøge om refusion af forsikring og håber at gøre appen tilgængelig i USA inden 2022.

”Vi ser dette som en lang rejse,” siger hun. ”Vi ser Quin blive klogere og klogere og udføre den kognitive fysiologiske belastning. Vi ser det bringe bedre følelsesmæssig sundhed. ”

Ny januar.ai platform til 'hel person' pleje

Bioteknologi og forretningsekspert Noosheen Hashemi deltog i en medicinsk konference på Stanford University kort efter en konference om maskinindlæring, da hun havde ideen til January.ai, et nyt AI-baseret supportsystem designet til at styrke mennesker med type 2 og præ-diabetes. Især blev hun inspireret af de patienter, der havde delt deres historier på Stanford-konferencen.

”De resonerede med mig. Hvad de sagde var dette: 'Se på hele personen i stedet for at reducere folk til en enkelt markør,' "siger hun.

Det er det grundlæggende mål for januar.ai: AI til at hjælpe hver enkelt med at tilpasse deres liv og behandle deres diabetes på deres egen unikke måde. Platformen vil kombinere data fra forskellige wearables sammen med informationsinput fra brugere om deres egen biologi, behov og endda ja ønsker.

Hashem forklarede, at alle adskiller sig så meget i deres glukoserespons på mad, selv i os selv mellem forskellige situationer. Den "umulige forhindring" ved at navigere i en fødevaresvar er, hvad januar.ai tackler.

"Ikke alle kan tabe 25 pund, når de bliver bedt om det," siger hun, men med det rette fokus, information og vejledning, "kan alle klare deres blodsukker."

Når platformen lanceres ideelt set i efteråret, vil nye brugere være i stand til at tilmelde sig et fire-ugers program kaldet "Season of Me", der inkluderer at hjælpe dem med at få en CGM til at spore glukoseudviklingen. Hashemi siger, at de har et netværk af udbydere, der kan hjælpe med recepter - selvom deres oprindelige fokus ikke er insulinbrugere, men præ-diabetes.

I de første to uger hjælper de kombinerede CGM- og platformfunktioner brugerne med at lære, hvordan deres egen krop og blodsukker reagerer på bestemte fødevarer og aktiviteter. I de følgende to uger guider deres system brugerne om, hvordan man integrerer den læring i en daglig rutine.

Sådan fungerer januar.ai

January.ai er en ægte læringsplatform, så jo længere du bruger det, jo mere nyttigt er det. For eksempel, hvis du ønsker at gå ud og spise, hvilken burger du planlægger at bestille på en bestemt restaurant, kan systemet søge i din historie for at se, om du har haft det før sammen med, hvilke andre ting der foregik i din krop og liv i det øjeblik, og hvordan dit blodsukker reagerede.

Hvert måltid og et eksempel hjælper januar.ai med at lære mere og dermed være klar til at hjælpe endnu mere over tid.

Systemet præsenterer også sunde alternative muligheder: Hvad hvis du springer over bolle? (Det viser dig et sandsynligt resultat). Er der en anden menupunkt, der ligner hinanden, men måske med færre kulhydrater eller kalorier? Det giver endda brugerne måder til at "tjene" en godbid eller lejlighedsvis fylde mad, som de i T1D-samfundet ofte kalder "bolusværdige."

For eksempel kan det foreslå, at du går til burger med bolle og derefter, baseret på hvad det ved om dig, foreslår en tidsbestemt gåtur lige efter.

”Vi er hyperfokuserede på brugeroplevelsen,” siger Hashemi. ”Lad os først hjælpe nogle mennesker. Og hvis vi kan glæde dem på en eller anden måde, give dem ny indsigt i, hvordan vi kan nyde livet, mens vi tager smarte valg, vinder vi. "

Vil AI gøre en forskel?

Ganske vist lyder Quin og January.ai ret sci-fi. Kan denne teknologi virkelig fungere til at ændre folks daglige oplevelser?

For tidlige adoptere er det måske ikke en strækning. Men selv for dem, der ikke er teknisk kloge, mener udviklere, at tiden er moden.

En af disse er LaurieAnn Scher, en diabetespædagogspecialist (DCES), der fungerer som Chief Clinical Strategy Officer hos Fitscript, et digitalt sundhedsfirma, der leverer online-fitnessprogrammer til diabetes og andre kroniske tilstande.

”Teknologi er noget, der som specialister i diabetesbehandling kan hjælpe os med at tage et stort spring,” siger hun. "Nogle gange er den rigtige person bare ikke blevet udsat for det endnu."

Scher påpeger, at mennesker, der kæmper med diabetes, i bedste fald generelt ser en sundhedsudbyder kun fire gange om året, og det er ikke som, at diabetes skal ebbe imellem disse tidspunkter.

”Disse apps har en fantastisk måde at udfylde hullerne og hjælpe med at stoppe ting, hvis noget brygger,” siger hun. ”Jeg ville ønske, at jeg kunne være ... tilgængelig for patienter 365 dage om året, 24 timer i døgnet. Men det kan jeg ikke være. Dette vil udfylde hullerne, når udbydere ikke er tilgængelige. ”

En anden fordel er, at håndtering af data og fakta, AI-baserede værktøjer tager den følelsesmæssige bias ud af diabetesstyring. I stedet for at stå over for nogle medicinskuddannede fagfolk, der synes at dømme dig, ser du bare på dataene og anbefalingerne på et neutralt grundlag.

Scher indrømmer, at det sommetider kan føles byrdefuld at bruge en app eller platform. Men AI giver langsigtede fordele: Da systemet lærer mere om dig, kan det hjælpe dig mere og fjerne byrden.

”Det er mere arbejde, men det er nyttigt arbejde,” siger hun.

Chris Bergstrom, tidligere BD og Roche Diabetes Care-direktør og tidligere chef for digital terapi hos Boston Consulting Group, ser godt ud i AI-fremtiden.

”I dag er behandlingsalgoritmer for det meste one-size-fits-all baseret på ... tusinder af patienter. I morgen, gennem digital sundhed, vil disse algoritmer være baseret på millioner af mennesker i den virkelige verden. Ved hjælp af AI kan vi derefter aktivere et niveau af personalisering, som ellers er ufattelig, ”siger han.

”Hvilket lægemiddel, hvilket udstyr, hvilken diæt er det rigtige for ME baseret på min genetik, komorbiditeter, livsstil, motivationer, økonomiske ressourcer og andre sociale determinanter? (AI) låser op for befolkningsdata til at drive personlig diabetesbehandling, ”fortsætter Bergstrom. "Det bliver en spilskifter."

Med andre ord, måske har den kollektive hjerne hos millioner af mennesker med diabetes frigjort plads, når de ikke længere har brug for at beregne for hvert måltid og aktivitet. Hvem ved hvad der kunne komme af det?