Machine learning skal gøre det lettere for læger at justere diabetespatienters insulindosis

Nyt ph.d.-projekt finansieret af Steno Diabetes Center Nordjylland og Aalborg Universitet skal skabe et nyt beslutningsstøtteværktøj, som praktiserende læger og endokrinologiske læger kan bruge til at bestemme den optimale insulindosis til personer med type 2-diabetes.

Ph.d.-projektet udarbejdes af Camilla Heisel Nyholm Thomsen

 

Insulinbehandling kræver løbende justering af insulindosis. Men hvad er de rette justeringer? Det er her det nye beslutningsstøtteværktøj skal hjælpe ved at indgå i den almindelige arbejdsgang hos praktiserende læger og læger på endokrinologiske afdelinger, som foretager justeringer af basal insulin hos personer med type 2-diabetes.

Som ph.d.-studerende Camilla Heisel Nyholm Thomsen fortæller, håber hun, at værktøjet vil komme til at lette arbejdsgange for de sundhedsprofessionelle, der vil bruge systemet. 

- Beslutningsstøttesystemet vil kunne medvirke til, at sundhedsprofessionelle mere effektivt kan bestemme en passende insulindosis baseret på relevant data om den pågældende person, som behandlingen tiltænkes. Det vil derfor lette en del af arbejdsbyrden forbundet med denne justeringsproces, fortæller ph.d.-studerende Camilla Heisel Nyholm Thomsen. 

Værktøjet kan gavne diabetespatienter

Camilla Heisel Nyholm Thomsen håber, at det nye beslutningsstøtteværktøj kan medføre, at flere patienter med diabetes opnår en ønsket reduktion i blodsukkerniveauet.

- Værktøjet vil kunne medvirke til bedre behandling af den enkelte insulinbehandlede patient med type 2-diabetes - hvilket på længere sigt vil kunne nedsætte risikoen for senkomplikationer for patienten.

Samtidigt tror Camilla, at værktøjet vil kunne styrke den visuelle forståelse for en patients insulinbehov og gøre insulinbehandlingen mellem gennemskuelig: 

- Potentielt vil et sådant system kunne hjælpe til at understøtte de forklaringer den sundhedsprofessionelle giver i forbindelse med justering af insulin, og på den måde også virke som et forklaringsværktøj, der kan give visuelt indblik i hvilken effekt en insulinændring vil have, fortæller Camilla Heisel Nyholm Thomsen.

Machine learning baseret algoritme

Beslutningsstøtteværktøjet tager udgangspunkt i at udvikle en machine learning baseret algoritme, som er i stand til at forudse effekten på faste blodsukkerniveauer ved en ændring i insulindosis hos personer med type 2-diabetes. 

Sådan en algoritme vil kunne bruges til at synliggøre hvordan blodsukkeret forventes at blive påvirket hos en specifik person, når en ændring i vedkommendes insulindosis foretages. Herved vil mere individuelle beslutninger, om dosisændringer kunne træffes, hvor der tages hensyn til netop den patient som behandlingen drejer sig om, samtidig med at det kan ske mere effektivt.

Algoritmen udvikles på baggrund af data opsamlet fra personer med type 2-diabetes fra et tidligere klinisk studie, som indeholder informationer såsom BMI, langtidsblodsukker, insulindosis og ændringer heraf, køn, alder, varighed af diabetes, blodsukkermålinger, diverse urin- og blodprøver samt meget andet. Denne data er Camilla Heisel Nyholm Thomsen på nuværende tidspunkt i gang med at undersøge og udvælge iblandt.

Planen er på sigt, at algoritmen skal testes og videreudvikles på baggrund af data fra et igangværende forsøg, som blandt andet anvender connected insulin pens (SMART pens) og kontinuerlig glukosemonitorering (CGM). En SMART pen overfører automatisk tidspunkt og indtaget insulindosis, hvilket vil giver et brugbart indblik i hvornår og hvor meget insulin, en given person rent faktisk tager.

 

 


Hovedvejleder på projektet er Lektor og seniorforsker Morten Hasselstrøm Jensen.

Bivejlederne er professor Ole Hejlesen, adjunkter Thomas Kronborg og Stine Hangaard samt professor Peter Vestergaard.

Opdateret