Ανάπτυξη ερμηνεύσιμου μοντέλου εκτίμησης του κινδύνου εμφάνισης υπεργλυκαιμικών και υπογλυκαιμικών επεισοδίων με χρήση τεχνικών μηχανικής μάθησης

Abstract

Ο Σακχαρώδης Διαβήτης (ΣΔ) αποτελεί χρόνια ασθένεια με παγκόσμια εξάπλωση και σοβαρές επιπλοκές για τους πάσχοντες. Σύμφωνα με την Παγκόσμια Ομοσπονδία Διαβήτη, ο συνολικός αριθμός νοσούντων με ΣΔ αναμένεται να ανέλθει ως και τα 643 εκατομμύρια έως το 2030. Με στόχο την επίτευξη ορθού γλυκαιμικού ελέγχου για την πρόληψη ή και την καθυστέρηση της εμφάνισης των μακροπρόθεσμων επιπλοκών της ασθένειας, στην παρούσα εργασία αναπτύχθηκε ερμηνεύσιμο μοντέλο εκτίμησης του κινδύνου εμφάνισης υπεργλυκαιμικών και υπογλυκαιμικών επεισοδίων σε άτομα με Σακχαρώδη Διαβήτη Τύπου 1 βασισμένο στην εφαρμογή υβριδικής προσέγγισης που συνδυάζει τη χρήση διαμερισματικών μοντέλων και μεθόδων μηχανικής μάθησης. Για την ανάπτυξη και την αξιολόγηση του μοντέλου χρησιμοποιήθηκαν δεδομένα πραγματικών ασθενών που συλλέχθηκαν στο πλαίσιο του ερευνητικού προγράμματος ENDORSE (Τ1ΕΔΚ-03695) και περιλάμβαναν μετρήσεις γλυκόζης, τιμές χορηγημένης ινσουλίνης, καθώς και πληροφορίες λαμβανόμενων γευμάτων και σωματικής δραστηριότητας. Με στόχο την ακριβέστερη αποτύπωση των μηχανισμών απορρόφησης της ινσουλίνης από τον υποδόριο χώρο στην αιματική κυκλοφορία, της ενεργοποίησης των ενδοκυτταρικών μονοπατιών μεταβίβασης σήματος ινσουλίνης και της απορρόφησης της γλυκόζης γεύματος από το έντερο στην αιματική κυκλοφορία, αξιοποιήθηκαν κατάλληλα διαμερισματικά μοντέλα που συνδυάστηκαν με ένα αναδρομικό νευρωνικό δίκτυο μακράς βραχείας μνήμης (Long Short Term Memory Neural Networks – LSTMs). Για την αποτελεσματική διαχείριση της μη ισορροπημένης φύσης των δεδομένων διερευνήθηκαν ποικίλες τεχνικές εξισορρόπησης των δεδομένων βασισμένες στην υπερδειγματοληψία. Για την εξαγωγή επεξηγήσεων επί των αποφάσεων του μοντέλου εφαρμόστηκε η μέθοδος LIME (Local Interpretable Model-agnostic Explanations). Το μοντέλο αξιολογήθηκε ως προς τη διακριτική του ικανότητα, καθώς και ως προς την ικανότητά του να εκτιμά ακριβείς πιθανότητες διακινδύνευσης στις περιπτώσεις υπεργλυκαιμικών και υπογλυκαιμικών επεισοδίων, ενώ η εφαρμογή της LIME μεθόδου προσέφερε πολύτιμες πληροφορίες για τον τρόπο λειτουργίας του μοντέλου και φανέρωσε πιθανούς τρόπους περαιτέρω βελτίωσής του.