Gennemskuelig kunstig intelligens skal advare diabetikere om insulinføling

Thomas Kronborg Larsen leder blandt andet i døgnets blodsukkermålinger efter, om der er noget ved kurven, som altid dukker op før en hypoglykæmi. Illustration: Marianne Fajstrup

På Institut for Medicin og Sundhedsteknologi på Aalborg Universitet er en kunstig intelligens sat til at gå på jagt i data fra insulinpenne, glukosemålere og fitness-trackere efter de signaler, der med størst sikkerhed kan bruges til at forudsige såkaldte hypo’er – tilfælde af hypoglykæmi eller for lavt blodsukker, som alle diabetikere i insulinbehandling frygter.

Lige nu arbejder forskerne med at finde betydningsbærende mønstre i historiske data fra løbende blodsukkermåling, fysisk aktivitet og insulindoseringer fra 400 forsøgspatienter med type 2-diabetes.

»Vi kigger efter prædiktorer eller ‘features’, som kan bruges til at forudsige hypoglykæmi. Til at begynde med vil vi finde ud af, hvilke signaler der er vigtige. Hvis vi kan klare det hele med glukosemåling, er der ingen grund til at bruge data fra fitness-trackere eller måltidsregistrering. Og så skal vi finde ud af, hvilke features i de signaler, der indeholder information,« siger civilingeniør Thomas Kronborg Larsen, adjunkt ved Institut for Medicin og Sundhedsteknologi ved Aalborg Universitet.

Algoritmen skal kunne forklares

I første omgang har han selv valgt de features, den kunstige intelligens kan trække ud. Det handler stadig om at lede i en meget stor høstak, men man vil kunne sætte et navn på nålene, når analysen finder frem til noget, der kan bruges til at prædikere hypoglykæmi.

»Her på instituttet griber vi som hovedrefleks i kassen med Explainable AI (XAI, red.). Vi vil gerne lave noget, der er transparent, så man kan forklare baggrunden for prædiktionen, når man skal have patienter og læger med indover,« siger professor Ole Hejlesen, leder af forskningsgruppen for medicinsk informatik på Institut for Medicin og Sundhedsteknologi ved Aalborg Universitet. Han understreger dog samtidig, at det ikke udelukker brugen af modstykket: black-box AI.

»Det kan godt være, at vi senere vil hælde alle data i en sort boks og se, hvad det neurale netværk trækker ud. Det vil være for at sammenligne de to metoder, for hvis vi kan lave en lige så god prædiktion, vil vi selvfølgelig foretrække at kunne forklare, hvad der foregår,« siger Thomas Kronborg Larsen.

Ubehageligt og livstruende

Lavt blodsukker eller hypoglykæmi indtræder, når blodsukkeret falder under 3,9 mmol/l. Diabetikere kalder det også for insulinføling eller bare ‘føling’, og det mærkes som sult, sved, rysten, hjertebanken, forvirring, svimmelhed og/eller kvalme.

De fleste af os har formentlig oplevet at få det skidt, når vi var meget sultne, men for ikke-diabetikere er det et forbigående ubehag og ganske ufarligt, fordi kroppen af sig selv holder op med producere insulin, når blodsukkeret falder.

For diabetikere kan det være livstruende, fordi man kan komme til at give sig selv for meget insulin, hvis man har fejlberegnet eller glemt dele af sit kalorieindtag, aktivitetsniveau eller alkoholforbrug. Og så kan hypo­glykæmi udvikle sig til insulintilfælde, hvor man er konfus og skal have hjælp fra andre til at spise eller drikke noget sukkerholdigt. Tilstanden kan forværres til insulinchok med bevidstløshed og krampeanfald, hvor hjælpere akut skal ringe 1-1-2 for at afværge dødsfald.

De ubehagelige hypo’er fylder derfor meget for diabetikere, og mange vælger hellere at tage for lidt insulin end for meget, hvis de er i tvivl. Men det indebærer en risiko for alvorlige følgesygdomme på længere sigt at gå rundt med for højt blodsukker, fordi man ikke tør medicinere sig korrekt, og det er denne angst, algoritmen fra Aalborg vil adressere: Den skal danne basis for et varslingssystem, så diabetikerne kan få en advarsel på deres smartphone om en truende hypo, og dermed forventeligt ikke vil holde igen med insulinen – bare for en sikkerheds skyld.

Nyt udstyr på banen

To relativt nye diabetes-teknologier indgår i projektet: Den ene er CGM, Continuous Glucose Monitoring, der ved hjælp af en lille sensor på størrelse med en frakkeknap, som sidder uden på kroppen – typisk på overarmen – løbende måler blod- sukkeret.

Den anden er ‘smarte’ insulinpenne, der kan opsamle data om doseringstidspunkter og -mængder, som gøres tilgængelige for brugeren ved hjælp af trådløse forbindelser og apps, så man har bedre ­overblik over sine insulininjektioner, evt. integre­ret med CGM-data om blod- sukkerniveauet.

»Vi er meget signalfikserede, og den største fordel ved de nye devices er nok, at forbindelserne er blevet så gode, og oplysnin­gerne lægges løbende ud i ­skyen, så der mangler ikke pludselig data fra nogle timer, som ikke er registreret,« siger Thomas Kronborg Larsen, der lavede sin ph.d. om et lignende projekt, der brugte telemedicinske data med fysiologiske målinger til prædiktion af indlæggelse af KOL-patienter. Den algoritme er ude i et klinisk forsøg nu som et af regeringens såkaldte AI signaturprojekter.

Men projektet handler ikke kun om devices og data, understreger AAU-forskerne, der gentager næsten som et mantra, at sundhedsteknologi skal udvikles med udgangspunkt i erfaringer fra virkeligheden. Man vil ikke udvikle løsninger, der bagefter skal ud og lede efter et problem.

»Jeg tror, det har stor betydning for vores forskningsgruppe, at vi ikke kun beskæftiger os med algoritmerne og metoderne. Vi er ude at tale med patienterne og lægerne for bedre at forstå de use cases, vores løsninger skal passes ind i,« siger civilingeniør Morten Hasselstrøm Jensen, lektor ved Aalborg Universitet og seniorforsker ved Steno Diabetes Center Nordjylland med ansvar for digital sundhed.

Morten Hasselstrøm Jensen en af projektlederne på ADAPT-T2D, en forkortelse for Adherence through cloud-based Personalised Treat­ment for Type 2 Diabetes, som algo­ritmen til hypoprædiktion er en del af.

Manglende adherence – når man ikke følger behandlingsplanen – er årsagen til, at de fleste patienter med type 2-diabetes ikke opnår den optimale behandling. Målet er at tilbyde et værktøj for patienterne selv og til deres behandlere i sundhedsvæsenet, så relevante oplysninger fra glukosemålere, smartpenne eller fitness-trackere bruges til at give skræddersyede vejledninger i realtid, herunder påmindelser om at tage sin insulin, og hvor meget man skal tage.

Jagten på det lukkede kredsløb

Det har i mange årtier stået som endemålet for diabetes-udstyr at skabe et automatiseret såkaldt ­closed loop imellem måling af blodsukker og tilførsel af insulin. Den store udfordring er en tidsforsinkelse fra blodsukkeret ændrer sig, til det kan måles i underhuden med en sensor.

Et meget lille fåtal af ­diabetikere i Danmark bruger ­insulinpumper, som løbende giver ­hurtigtvirkende insulin. Langt flere er interesserede i de små CGM-devices og vil selv have kontrol over insulin-indsprøjtnin- gerne.

»Pumpen kræver mere indsigt og mere vedligehold. Det er helt kritisk, om den fungerer korrekt. Glukose­måleren kan ikke lave så mange ulykker. I værste fald finder man ud af, at man selv må måle sit blodsukker,« siger Aalborg-professor Ole Hejlesen.