Tekoälyn hyödyntäminen tyypin 1 diabeteksen omahoidossa

Abstract

Tyypin 1 diabeetikko tekee päivittäin lukuisia omahoitoon liittyviä päätöksiä, jotka vaativat jatkuvaa veren glukoosiarvojen seurantaa, insuliinihoidon säätelyä ja elämäntapojen huomioimista. Tämän insinöörityön tavoitteena oli selvittää, miten tekoälyä hyödynnetään nykyään tyypin 1 diabeteksen omahoidossa, mitä haasteita ja rajoitteita sen käyttöön liittyy sekä millaisia uusia innovaatioita ja kehityssuuntia on odotettavissa.

Insinöörityön menetelmänä käytettiin scoping-katsausta. Scoping-katsauksen tarkoituksena on kartoittaa laajasti aihealueeseen liittyvää tutkimustietoa riippumatta tutkimustiedoissa käytetyistä menetelmistä. Tiedonhaku tehtiin Google Scholar-, PubMed-, ScienceDirect- ja IEEE-tietokantoihin. Mukaanottokriteerien mukaisia tutkimusartikkeleita löytyi 18, joille tehtiin laadun arviointi sekä aineistolähtöinen sisällönanalyysi.

Tuloksissa havaittiin, että tekoälyä hyödynnetään jo monipuolisesti muun muassa jatkuvassa glukoosiseurannan (CGM) järjestelmissä, hybrid closed-loop (HCL) järjestelmissä, älykkäissä insuliinikynissä, mobiilisovelluksissa, puettavissa laitteissa sekä päätöksenteon tukijärjestelmissä. Koneoppimisen menetelmät, erityisesti vahvistusoppiminen, mahdollistavat veren glukoositasojen tarkemman hallinnan ja yksilöllisemmän hoidon optimoinnin. Tekoälyn hyödyntäminen mahdollistaa omahoidon ennakointia, vähentää kuormitusta ja parantaa hoitotuloksia. Tekoälyn käyttö tuo mukanaan haasteita ja rajoituksia, kuten etiikan, tekniikan, tietoturvan ja järjestelmien yhteensopivuuden osalta. Tekoälyn kehittyessä tulevaisuudessa odotetaan yhä älykkäämpiä, automaattisempia ja käyttäjälähtöisempiä ratkaisuja tyypin 1 diabeteksen omahoitoon.

Tuloksia voivat hyödyntää terveydenhuollon ammattilaiset, sovelluskehittäjät ja diabeetikot. Tulevaisuudessa tarvitaan lisää pitkäkestoisia ja tosielämässä toteutettuja tutkimuksia, jotta tekoälyratkaisut ovat entistä turvallisempia ja käyttäjälähtöisempiä.