Сахарный диабет 2-го типа, вызванный резистентностью к инсулину, поражает миллионы людей по всему миру, но раннее обнаружение осложняется текущими инвазивными или недоступными методами тестирования. Исследователи разработали модели машинного обучения, которые могут предсказать резистентность к инсулину, комбинируя данные с носимых устройств и обычных анализов крови. Исследование WEAR-ME использовало данные, включая частоту сердечных сокращений в состоянии покоя, количество шагов, модели сна, уровень глюкозы в крови и липидные панели, для обучения этих моделей. Комбинирование этих источников данных значительно улучшило точность предсказания по сравнению с использованием любого одного источника отдельно. Заметно, что модели работали особенно хорошо при идентификации резистентности к инсулину среди лиц с высоким риском, таких как люди с ожирением и сидячим образом жизни.Валидационная когорта подтвердила общую применимость этих предсказательных моделей. Для улучшения понимания пользователей был разработан агент ИИ под названием Агент грамотности и понимания резистентности к инсулину, используяadvanced языковые модели. Этот агент предоставляет персонализированные, контекстуализированные ответы о метаболическом здоровье, впечатляя эндокринологов своей полнотой и надежностью. Исследование подчеркивает потенциал для доступного раннего скрининга риска сахарного диабета 2-го типа с помощью легко доступных данных. Этот подход может способствовать своевременным интервенциям в области стиля жизни для предотвращения или задержки заболевания. Однако эти модели предназначены только для информационных и исследовательских целей и не являются утвержденными медицинскими устройствами.