اگه دیابت نوع یک داری یا کسی رو می‌شناسی که داره، قطعاً داستان قند خون بعد غذا همیشه دغدغه‌ست! چون باید حواست باشه قند خونت نه خیلی بیاد پایین (هیپوگلیسمی) نه خیلی بپره بالا (هایپرگلیسمی). حالا محقق‌ها اومدن یه مدل هوشمند ساختن که دقیقاً همین قند خون بعد غذا رو پیش‌بینی می‌کنه و حتی می‌گه بهتره چقدر انسولین بزنی!
این مدل رو یه تیم خفن به اسم نجیب‌الرحمن، ایوان کونترراس، آلکس بنیتو و جوزپ وهی طراحی کردن. ماجرا اینجوریه که یه مدل دوکاره درست کردن که می‌تونه همزمان پیش‌بینی کنه قراره طی چهار ساعت آینده، قند خونت زیادی بالا بره یا زیادی پایین بیاد (بعد از خوردن غذا!).
نکته جالبش اینه که مدلشون کاملاً “قابل توضیحه” یعنی آدم‌ها واقعاً می‌تونن بفهمن چرا مدل همچین پیشنهادی داده. (در AI اگه یه مدل قابل توضیح باشه یعنی می‌تونیم دلیل تصمیمش رو بفهمیم و اعتماد بیشتری می‌کنیم.)
خب، یه توضیح کوچیک درباره تکنولوژی‌شون: اول اومدن کسایی که دیابت دارن رو بر اساس پروفایل قند خونشون با روش‌های یادگیری بدون نظارت دسته‌بندی کردن. حالا یادگیری بدون نظارت یعنی مدل خودش میره شباهت‌ها و تفاوت‌ها رو پیدا می‌کنه، کسی بهش جواب درست و غلط نمی‌ده! دو تا تکنیک معروفش Self-organizing maps و K-means clustering هستن. اولی یه جور شبکه عصبیه که داده‌ها رو روی یه نقشه پخش می‌کنه که مرتب‌تر ببینیمشون. دومی هم داده‌ها رو به چند دسته تقسیم می‌کنه بر اساس شباهتشون.
بعد، برای هر دسته، یه مدل Random Forest جدا آموزش دادن. Random Forest یعنی یه جنگل از مدل‌های تصمیم‌گیری! یعنی یه عالمه تصمیم‌گیرنده کوچیک داریم که با هم نظر می‌دن تا نتیجه دقیق‌تر بشه.
نتایجی که گرفتن خیلی جالبه: مدلشون رو هم با داده واقعی امتحان کردن، هم داده‌های شبیه‌سازی‌شده. دقتش هم عالیه! عددهاش هم مهمه:
- برای هیپوگلیسمی (افت قند)، AUC=0.84 و MCC=0.47 بوده. حالا AUC یه معیاره برای اندازه‌گیری عملکرد مدل طبقه‌بندی، هر چی نزدیک‌تر به ۱ بهتر. MCC هم یه معیار برای دقت مدل در پیش‌بینی.
- برای هایپرگلیسمی (قند بالا)، حتی بهتر عمل کرده! AUC=0.93 و MCC=0.73.
یکی دیگه از ویژگی‌های توپ این سیستم اینه که نه فقط نتیجه می‌ده، بلکه با ابزارهایی مثل SHAP و LIME توضیح می‌ده چطور به نتیجه رسیده. SHAP (که یعنی Shapley Additive Explanations) کمک می‌کنه بفهمیم کدوم فاکتورها توی تصمیم مدل موثر بودن، هم به صورت کلی هم برای پیش‌بینی هر نفر. LIME هم شبیه‌شه؛ توضیح محلی می‌ده درباره اینکه هر پیش‌بینی مدل دقیقاً به چه دلیل بوده.
یه مورد جذاب دیگه تحلیل تعامل مواد غذایی و انسولین بود. یعنی بررسی کردن که مثلاً ترکیب مقدار کربوهیدراتی که خوردی با دوز انسولینی که زدی چه اثری روی قند خون داره. جوابش هم یه راست غیرخطیه! یعنی اینکه فقط با جمع کردن ساده نمی‌شه کاری کرد، روابطش پیچیده‌س.
آخرش هم همین مدل باحال اومده خودش یه ماژول «تنظیم دوز انسولین» قبل غذا گذاشته! یعنی اینطوری کمک می‌کنه بفهمی با توجه به ریسک پیش‌بینی‌شده، بهتره چه مقدار انسولین بزنی که نه قند خونت افتضاح پایین بیاد نه بزنه بالا بره.
توی تست‌های شبیه‌سازی هم، سیستم باعث شد آدم‌ها مدت بیشتری قند خونشون توی بازه نرمال بمونه (یعنی هم کمتر افت کنن، هم کمتر قند خون بالا بگیرن).
در کل این مطالعه نشون می‌ده که یادگیری ماشین قابل توضیح و شخصی‌سازی‌شده یه ابزار فوق‌العاده برای مدیریت بهتر و ساده‌تر دیابت شده. واقعاً به نظر می‌رسه آینده قند خون، خیلی قابل پیش‌بینی‌تر و امن‌تر خواهد بود! اگر کسی دیابت نوع یک داره، این خبرهای جدید حتماً می‌تونن دلگرمش کنن.
منبع: +
