在人工智能的帮助下，可以从患者信息中预测2型糖尿病患者的血糖控制不佳

芬兰的一项新研究发现，通过使用机器学习方法，可以自信地预测2型糖尿病患者血糖控制不良的风险。预测血糖控制的最重要因素包括既往血糖水平、2型糖尿病病程和患者现有的抗糖尿病药物。

研究人员检查了血糖控制病人2型糖尿病在芬兰的北卡累利阿进行了为期六年的研究。患者血糖控制以长期血糖、糖化血红蛋白(HbA1c)为基础。从数据中确定了三种HbA1c轨迹，并基于这些轨迹将患者分为两组:血糖控制充分的患者和血糖控制不充分的患者。使用机器学习方法，研究人员检查了患者的基线特征、临床和治疗相关因素以及社会因素之间的关系经济地位血糖控制。基线特征包括200多个不同的变量。

研究结果表明，通过使用2型糖尿病病程、既往糖化血红蛋白(HbA1c)水平、空腹血糖、现有抗糖尿病药物及其数量等数据，可以可靠地识别出在其疾病的任何时间点存在持续高血糖风险的患者。换句话说，血糖控制不足可以从糖尿病监测和管理中常规收集的数据中预测出来。

2型糖尿病治疗的主要目标是维持良好的血糖控制，以预防与疾病相关的并发症。根据芬兰现行糖尿病护理指南，血糖控制应每年进行随访，以便能够监测疾病的长期发展轨迹。患者的早期识别血糖控制不良对于有需要的人提供有针对性的治疗并在正确的时间加强治疗至关重要。延迟强化治疗会增加并发症的风险，这也反映在更高的护理成本上。

这项研究利用了北卡累利阿社会和卫生服务联合市政管理局(Siun sote)电子患者信息系统的数据，这些数据来自芬兰社会保险机构维护的登记册，以及芬兰统计局的开放邮政编码数据库Paavo。共有9631名2型糖尿病患者被选为研究队列。