Συνδυασμός Συστημικής Δυναμικής Ανάλυσης και Τεχνικών Μηχανικής Μάθησης για τη Διερεύνηση Νέων Προσεγγίσεων στην Ανάπτυξη και Επαλήθευση Προσωποποιημένων Δυναμικών Μοντέλων Βραχυπρόθεσμης Πρόβλεψης της Γλυκαιμικής Δυναμικής, και Ανάπτυξη Πρότυπης Πλατφόρμας Λογισμικού με στόχο την Αυτό-Διαχείριση του Σακχαρώδη Διαβήτη Αξιοποιώντας Τεχνολογίες Υπολογιστικού Νέφους και Φορητών Συσκευών (Cloud και Mobile Computing).

Abstract

Χρόνιες παθήσεις όπως ο Σακχαρώδης Διαβήτης (ΣΔ) αποτελούν ένα συνεχώς διογκούμενο πρόβλημα για τις σύγχρονες κοινωνίες, ανεξάρτητα από το στάδιο ανάπτυξης και την κοινωνικό-οικονομική τους κατάσταση. Ο ΣΔ ειδικά, σε αντίθεση με άλλες παθήσεις, εμφανίζει αυξημένη δυναμική σε αναπτυσσόμενους και ανεπτυγμένους κοινωνικούς σχηματισμούς, γεγονός που καθιστά την πρόληψη, την αντιμετώπιση και τη διαχείρισή του επείγουσα και επιτακτική. Από τη οπτική γωνία της βιοϊατρικής τεχνολογίας, μία από τις βασικές προκλήσεις είναι η προσωποποιημένη βραχυπρόθεσμη πρόβλεψη των συγκεντρώσεων της γλυκόζης στο ανθρώπινο αίμα, με σκοπό την πρόληψη της γλυκαιμικής απορρύθμισης και την παροχή μιας επιστημονικά αντικειμενικής βάσης για την έγκαιρη λήψη κατάλληλων αντισταθμιστικών μέτρων. Η διατήρηση της ευγλυκαιμίας, των συγκέντρωσης δηλαδή της γλυκόζης σε επίπεδα εντός φυσιολογικού εύρους, αποτελεί κρίσιμο παράγοντα διαχείρισης της ασθένειας, ειδικά αν λάβει κανείς υπόψη τη σημαντική επιρροή που ασκούν στους εμπλεκόμενους φυσιολογικούς μηχανισμούς καθημερινά συμβάντα όπως η λήψη τροφής, η σωματική άσκηση κλπ. Όσον αφορά στις μεθόδους μηχανικής μάθησης που μπορούν να χρησιμοποιηθούν για τους σκοπούς βραχυπρόθεσμης πρόβλεψης, στην παρούσα εργασία γίνεται μια κριτική ανασκόπηση της υφιστάμενης βιβλιογραφίας και προτείνεται μια συγκεκριμένη μεθοδολογική προσέγγιση η οποία βασίζεται: α) στην υπόθεση πως η χρονοσειρά της συγκέντρωσης της γλυκόζης αποτελεί την υπέρθεση του αποτελέσματος όλων των εμπλεκόμενων ρυθμιστικών και αντιρρυθμιστικών μηχανισμών που επηρεάζουν τους παράγοντες της γλυκαιμικής κατάστασης, β) στη προσωποποιημένη προσέγγιση που προκύπτει από την δυναμική επιλογή και εκπαίδευση μοντέλων των οποίων τα τελικά χαρακτηριστικά διαφέρουν από άτομο σε άτομο, αλλά και για το ίδιο άτομο σε διαφορετικές χρονικές περιόδους. Επίσης, προτείνεται μια νέα μετρική για την εκτίμηση της προβλεπτικής απόδοσης των μοντέλων, η οποία σε μία ενιαία μαθηματική διατύπωση εμπεριέχει συνδυαστικά στοιχεία αριθμητικής και κλινικής αποτίμησης. Στα πλαίσια αυτής της προσέγγισης, δημιουργήθηκε μια προσωποποιημένη διαδικασία μοντελοποίησης βασισμένη σε τεχνικές μηχανικής μάθησης, η οποία απέφερε αποτέλεσμα κλινικά συγκρίσιμο με τα αντίστοιχες βέλτιστες ερευνητικές προσπάθειες που αναφέρονται στη βιβλιογραφία, διαθέτοντας ταυτόχρονα μεγάλα περιθώρια βελτίωσης. Η προσπάθεια αυτή φιλοδοξεί να αποτελέσει ένα πιο στέρεο υπόβαθρο για τη μεθοδολογική προσέγγιση στο πρόβλημα της συγκεκριμένης προβλεπτικής μοντελοποίησης και για την κλινική εφαρμογή της σε πραγματικές συνθήκες. Τέλος, αναπτύχθηκε ένα πρωτότυπο σύστημα συνδυαστικής λειτουργίας υλικού και λογισμικού, το οποίο βασίστηκε σε αρχιτεκτονικές υπολογιστικού νέφους και χρήση φορητών έξυπνων συσκευών, με σκοπό την υλοποίηση της δυναμικής διαδικασίας μοντελοποίησης και βραχυπρόθεσμης πρόβλεψης που προτείνεται και μπορεί να αποτελέσει τη βάση για λύσεις προσωπικής πληροφόρησης καθώς επίσης αυτοματοποιημένων λειτουργιών διαχείρισης όπως, για παράδειγμα, συσκευών τεχνητού παγκρέατος.