インスリン抵抗性に基づく第2型糖尿病は、世界中で数百万の人々に影響を与えており、しかし、現在の侵襲的またはアクセス困難な検査方法により、早期発見が妨げられている。研究者たちは、ウェアラブルデバイスと一般的な血液検査のデータを組み合わせて、インスリン抵抗性を予測する機械学習モデルの開発に成功した。WEAR-ME研究では、休息心拍数、歩数、睡眠パターン、空腹血糖、脂質パネルなどのデータを使用して、これらのモデルをトレーニングした。これらのデータソースを組み合わせることで、単一のソースを使用する場合よりも予測の正確さが大幅に向上した。特に、高リスク個人のような肥満や座りっぱなしの生活様式を持つ人々におけるインスリン抵抗性の同定において、モデルは特に優れた性能を示した。検証コホートでは、これらの予測モデルの汎化性が確認された。ユーザーの理解を向上させるために、先進の言語モデルを使用して、インスリン抵抗性リテラシー・アンド・アンダースタンディング・エージェントというAIエージェントを開発した。このエージェントは、代謝健康に関する個別化された、コンテキスト化された回答を提供し、内分泌医師たちをその包括性と信頼性に感銘させた。この研究は、容易にアクセス可能なデータを使用して、第2型糖尿病のリスクの早期スクリーニングの可能性を高めることを示している。このアプローチは、疾病の予防や遅延を目的とした適時なライフスタイル介入を促すことができる。ただし、これらのモデルは、情報提供や研究目的でのみ使用されるものであり、医療機器として承認されていない。