Beslutningsstøtteværktøj til revurdering af medicinsk behandling af personer med type 2-diabetes

Formål med forskningsprojektet

Formålet med ph.d.-projektet er at udvikle et beslutningsstøtteværktøj tilegnet de endokrinologiske afdelinger. Dette skal understøtte revurdering af patienter med type 2-diabetes’ behandlingsplan. Målet er at beslutningsstøtteværktøjet kan forudsige hvordan forskellige personer med type 2-diabetes vil reagere på forskellige typer diabetesmedicin med et specielt fokus på insulin. Ved at analysere store mængder patientdata kan vi identificere de personer, der har størst risiko for at opleve højt blodsukker eller for lavt blodsukker. Dette gør det muligt for sundhedspersonale at skræddersy behandlingen til den enkelte person og dermed opnå bedre resultater.  

 

Metode og fremgangsmåde

På det metodiske plan ønsker man at teste om maskinlæring kan anvendes til at forbedre den farmakologiske behandlingsplanlægning for personer med type 2-diabetes. Målet er at udvikle et værktøj der kan hjælpe sundhedspersonale med at træffe mere informerede beslutninger om medicinsk behandling.
Først testede vi om maskinlæring kunne bruges til at forudsige ændringer i HbA1c-værdier efter opstarten af en 2. valgs præparater af glukosesænkende medicin efter metformin. Dette blev testet på data fra Diabetesdataplatformen fra Steno Diabetes Center Nordjylland. Denne database indeholder blodprøveresultater, medicininformation samt indlæggelser fra mere end 10.000 personer med type 2-diabetes. Selvom studiet var begrænset af en lille stikprøve af mennesker, viste resultaterne, at opstart af insulin havde en markant indvirkning på HbA1c-værdierne.
Dette førte os til at teste om det det var muligt at udvikle en maskinlæringsmodel til tidlig identifikation af personer, der ikke opnår målværdien for HbA1c efter opstart af insulin. Denne model kan potentielt være værdifuld for sundhedspersonale, da den kan hjælpe med at identificere de personer som har brug for yderligere støtte til at opnå den ønskede blodsukkerkontrol. På den måde kan man tidligt i forløbet hjælpe de rigtige personer godt i gang med insulin. Til denne model er der brugt data fra et randomiseret kontrolleret studie.

 

Status på projektet

Selve ph.d.-projektet er ved at være ved vejs ende og Carsten forventer at være færdig med projektet i efteråret 2024. Det betyder at på nuværende tidspunkt at artikler om de 2 første maskinlæringsmodeller er ved at blive publiceret i akademiske tidsskrifter. Samtidigt er den 3. og sidste artikel ved at blive færdiggjort. Den 3. artikel bygger videre på de tidligere fund og præsenterer videreudviklingen af modellen til identifikation af personer der ikke opnår den ønskede blodsukkerkontrol 6 måneder efter opstart af insulin. Denne gang bliver det vurderet ud fra ud fra HbA1c-målet, risiko for lavt blodsukker og en større vægtøgning.

 

Forskningsprojektet løber fra 2021 til 2024.