MIT מתמטיקאי מפתח אלגוריתם שיעזור בטיפול בסוכרת

כשאנשים שואלים אותי מדוע אני, מתמטיקאי יישומי, חוקר סוכרת, אני אומר להם שאני מוטיבציה מסיבות מדעיות ואנושיות כאחד.

תוכן קשור

• מכשיר לפיקוח דם בהשראת יתושים
• אנשים משתמשים בנתונים גדולים מאז שנות ה- 1600

סוכרת מסוג 2 פועלת במשפחתי. סבי נפטר מסיבוכים הקשורים למצב. אמי אובחנה כחולה במחלה כשהייתי בת 10, ודודה זכארולה שלי סבלה ממנה. אני עצמי טרום סוכרת.

כנערה, אני זוכר שנפגעתי מהעובדה שאמי ואחותה קיבלו טיפולים שונים מהרופאים שלהם. אמי מעולם לא נטלה אינסולין, הורמון המווסת את רמות הסוכר בדם; במקום זאת, היא אכלה דיאטה מוגבלת ונטלה סמים אחרים דרך הפה. הדודה זכארולה, לעומת זאת, לקחה כמה זריקות אינסולין בכל יום.

אף על פי שהיה להם אותה מורשת, אותה DNA הורית ואותה מחלה, מסלולי הרפואה שלהם היו שונים. אמי נפטרה בשנת 2009 בגיל 75 ודודה שלי נפטרה באותה שנה בגיל 78, אך במהלך חייה התמודדה עם הרבה תופעות לוואי חמורות יותר.

כאשר אובחנו בשנות השבעים של המאה העשרים, לא היו נתונים המראים איזו תרופה הייתה היעילה ביותר עבור אוכלוסיית מטופלים ספציפית.

כיום, 29 מיליון אמריקאים חיים עם סוכרת. ועכשיו, בעידן המתהווה של רפואה מדויקת, הדברים שונים.

הגברת הגישה לאגרי מידע גנומי והשימוש הגובר ברשומות רפואיות אלקטרוניות, בשילוב שיטות חדשות ללימוד מכונות, מאפשרות לחוקרים לעבד נתונים בכמויות גדולות. זה מאיץ את המאמצים להבין הבדלים גנטיים בתוך מחלות - כולל סוכרת - ולפתח טיפולים עבורם. המדען שבי חש רצון עוצמתי לקחת חלק.

שימוש בנתונים גדולים כדי לייעל את הטיפול

אני ותלמידי פיתחנו אלגוריתם מונע נתונים לניהול סוכרת בהתאמה אישית שלדעתנו יש פוטנציאל לשפר את בריאותם של מיליוני האמריקאים החיים במחלה.

זה עובד כך: האלגוריתם מכרה את נתוני המטופלים והתרופות, מוצא את מה שהכי רלוונטי לחולה מסוים על סמך ההיסטוריה הרפואית שלו או אחר כך ממליץ אם טיפול או תרופה אחרת יהיו יעילים יותר. המומחיות האנושית מספקת קטע קריטי של הפאזל.

אחרי הכל, הרופאים שיש להם השכלה, מיומנויות ומערכות יחסים עם מטופלים הם שקובעים שיקולים מושכלים לגבי קורסים פוטנציאליים לטיפול.

ערכנו את המחקר שלנו באמצעות שותפות עם המרכז הרפואי בוסטון, בית החולים הגדול ביותר ברשת הביטחון בניו אינגלנד המספק טיפול לאנשים בעלי הכנסה נמוכה יותר ולאנשים שאינם מבוטחים. והשתמשנו במערך נתונים שכלל את הרשומות הרפואיות האלקטרוניות משנת 1999 עד 2014 של כ 11, 000 חולים שהיו אנונימיים לנו.

חולים אלה ביצעו שלוש בדיקות ברמת גלוקוז או יותר ברשומה, מרשם לתרופה אחת לפחות לוויסות גלוקוז בדם, ולא הייתה שום אבחנה מתועדת של סוכרת מסוג 1, שמתחילה בדרך כלל בילדות. הייתה לנו גישה לנתונים הדמוגרפיים של כל מטופל, כמו גם גובהם, משקלם, מדד מסת הגוף והיסטוריה של תרופות מרשם.

בשלב הבא פיתחנו אלגוריתם שיסמן במדויק מתי הסתיים כל קו טיפול וההמשך התחילה, בהתאם למועד השילוב של התרופות שהוקצו לחולים השתנה בנתוני הרשומה הרפואית האלקטרונית. בסך הכל, האלגוריתם שקל 13 משטרי תרופות אפשריים.

עבור כל מטופל האלגוריתם עיבד את התפריט של אפשרויות הטיפול הזמינות. זה כלל את הטיפול הנוכחי של המטופל, כמו גם את הטיפול ב 30 "שכניו הקרובים" שלו או שלה מבחינת הדמיון של ההיסטוריה הדמוגרפית והרפואית שלו כדי לחזות השפעות אפשריות של כל משטר תרופות. האלגוריתם הניח שהמטופל ירש את התוצאה הממוצעת של שכניו הקרובים.

אם האלגוריתם הבחין בפוטנציאל לשיפור משמעותי, הוא הציע שינוי בטיפול; אם לא, האלגוריתם הציע לחולה להישאר במשטר הקיים שלו. בשני שליש מדגימה של המטופל האלגוריתם לא הציע שינוי.

החולים שאכן קיבלו טיפולים חדשים כתוצאה מאלגוריתם ראו תוצאות דרמטיות. כאשר הצעת המערכת שונה מסטנדרט הטיפול, נצפתה שינוי מועיל ממוצע בהמוגלובין של 0.44 אחוז בביקורו של כל רופא בהשוואה לנתונים היסטוריים. זהו שיפור משמעותי, חומרי מבחינה רפואית.

בהתבסס על הצלחת המחקר שלנו, אנו מארגנים ניסוי קליני בבית החולים הכללי של מסצ'וסטס. אנו מאמינים כי האלגוריתם שלנו יכול להיות תקף למחלות אחרות, כולל סרטן, אלצהיימר ומחלות לב וכלי דם.

זה סיפוק מקצועי ומשמח באופן אישי לעבוד על פרויקט פורץ דרך כמו זה. על ידי קריאת ההיסטוריה הרפואית של האדם, אנו מסוגלים להתאים טיפולים ספציפיים לחולים ספציפיים ולספק להם אסטרטגיות טיפוליות ומניעות יעילות יותר. המטרה שלנו היא להעניק לכולם את ההזדמנות הגדולה ביותר לחיים בריאים יותר.

והכי חשוב, אני יודע שאמא שלי תהיה גאה.

דימיטריס ברצימאס, פרופסור למתמטיקה יישומית, בית הספר לניהול של MIT Sloan