AI-gestuurde wearables veranderen in hoog tempo de manier waarop mensen omgaan met diabetes type 2 en prediabetes. Een nieuwe meta-review van de Universiteit van Buffalo geeft het duidelijkste beeld tot nu toe van wat deze apparaten te bieden hebben en wat er nog moet worden opgelost voordat ze routine worden in de diabeteszorg. Het is de eerste uitgebreide analyse die de bevindingen van duizenden studies over AI-gestuurde wearables, waaronder continue glucosemonitors (CGM's), activiteitstrackers en multimodale biosensoren, samenbrengt.
Hoofdonderzoeker dr. Raphael Fraser legt uit dat AI de rol van glucosemonitoring fundamenteel verandert. Traditionele CGM's geven een paar metingen per dag, terwijl AI-gedreven CGM's continu inzicht bieden, trends signaleren en zelfs glucoseveranderingen 60 tot 120 minuten van tevoren voorspellen. “AI verandert CGM's van een achteruitkijkspiegel in een heads-up display”, merkt Fraser op. Deze verschuiving ondersteunt meer proactieve zorg, helpt patiënten extreme glucoseschommelingen te voorkomen en kan de progressie van prediabetes naar diabetes verminderen. Het onderzoek is gepubliceerd in npj Digital Medicine.
AI-gestuurde wearables tonen potentieel
In de 60 beoordeelde hoogwaardige studies toonden AI-gestuurde wearables consequent potentieel om de glykemische controle te verbeteren, begeleiding te personaliseren op basis van gedrag en levensstijl, en clinici te ontlasten door grote datastromen te filteren. Toch wijst de beoordeling ook op belangrijke hiaten.
Veel AI-systemen functioneren nog steeds als “black boxes” en geven waarschuwingen zonder de onderliggende oorzaak uit te leggen, waardoor het voor patiënten moeilijk is om met vertrouwen te handelen en clinici om aanbevelingen te vertrouwen. Kleine steekproefomvang, inconsistente datasets en beperkte demografische diversiteit in het onderzoek beperken de generaliseerbaarheid nog verder.
Er blijven ook technische uitdagingen bestaan. Verschillende AI-modellen, variërend van LSTM-netwerken tot transformers, variëren sterk in prestaties, interpreteerbaarheid en geschiktheid voor continue biosensorgegevens. De meest veelbelovende systemen voor klinisch gebruik zijn die welke meerdere soorten gegevens (glucose, slaap, hartslag, fysieke activiteit) integreren en tegelijkertijd verklaarbaar en transparant blijven.
Verschillende uitdagingen
De onderzoekers benadrukken dat, voordat AI-gestuurde wearables standaardtools kunnen worden in diabetesbeheer, ontwikkelaars uitdagingen moeten aanpakken rond modeltransparantie, gegevenskwaliteit, integratiegemak in klinische workflows en de kosten en beschikbaarheid van apparaten.
Toch is de richting duidelijk: AI-gestuurde wearables hebben het potentieel om de diabeteszorg te transformeren door vroegere detectie van risicopatronen, gepersonaliseerde coaching en efficiëntere klinische besluitvorming mogelijk te maken. Zoals Fraser het stelt: “Deze hulpmiddelen kunnen de diabeteszorg fundamenteel veranderen van reageren op problemen naar het voorkomen ervan.”
Wearables en diabetes
Eerder dit jaar bleek uit een internationaal onderzoek dat smartwatches in combinatie met een ondersteunende gezondheidsapp de therapietrouw bij mensen die recent zijn gediagnosticeerd met diabetes type 2 aanzienlijk kunnen verbeteren. De deelnemers volgden een thuisprogramma en kregen begeleiding van een virtuele coach. Door de activiteitsgegevens van de smartwatch te koppelen aan de app, gaf het programma biofeedback en gepersonaliseerde aanbevelingen om gebruikers te helpen hun doel van 150 minuten lichaamsbeweging per week te halen.
Het MOTIVATE-T2D-onderzoek rapporteerde een indrukwekkend retentiepercentage van 82% na 12 maanden. Deelnemers die de combinatie van smartwatch en app gebruikten, trainden consistenter en zagen meetbare gezondheidsvoordelen, waaronder een betere bloedsuikerspiegel, een lagere systolische bloeddruk en betere cholesterolwaarden.
