Onderzoekers hebben een nieuwe methode ontwikkeld om insulineresistentie eerder en nauwkeuriger te detecteren door gegevens van smartwatches te combineren met routinebloedtesten. De aanpak kan helpen om het risico op diabetes in een vroeg stadium te signaleren.
Insulineresistentie komt naar schatting voor bij 20 tot 40 procent van de algemene bevolking. Bij deze aandoening reageert het lichaam minder goed op insuline, waardoor de regulatie van glucose verstoord raakt. Zonder interventie kan dit uiteindelijk leiden tot diabetes. In veel gevallen blijft insulineresistentie echter lange tijd onopgemerkt. Daarnaast bleek uit recent onderzoek dat insulineresistentie een risicofactor is voor maar liefst twaalf verschillende vormen van kanker.
Beperkingen van huidige diagnostiek
Wanneer insulineresistentie vroeg wordt vastgesteld, kan de ontwikkeling van diabetes vaak worden voorkomen door leefstijlmaatregelen zoals gewichtsverlies, meer lichaamsbeweging en een gezonder voedingspatroon. Toch worden veel diagnostische testen in de praktijk weinig gebruikt.
De huidige screeningsmethoden richten zich vaak op momentopnames van glucosewaarden, zoals nuchtere glucose, HbA1c of een orale glucosetolerantietest. Deze testen zijn niet altijd gevoelig genoeg om vroege stadia van insulineresistentie te detecteren. De zogenoemde gouden standaardtest is bovendien kostbaar, tijdrovend en niet overal beschikbaar.
Data van wearables combineren met bloedonderzoek
Om een toegankelijker screeningsmethode te ontwikkelen, startten onderzoekers de studie 'Wearables for Metabolic Health' (WEAR-ME). In deze studie werden gegevens verzameld van 1.165 deelnemers. Daarbij combineerden de onderzoekers smartwatchdata, afkomstig van sensoren die onder meer beweging en fysiologische signalen registreren, met routinebloedtesten voor cholesterol, insuline en glucose, evenals gezondheids- en leefstijlvragenlijsten.
De dataset werd geanalyseerd met behulp van diepe neurale netwerken. De onderzoekers valideerden het model vervolgens met een onafhankelijke groep van 72 deelnemers. De resultaten laten zien dat het multimodale model insulineresistentie met hoge nauwkeurigheid kan voorspellen. Wanneer het model werd gecombineerd met een zogeheten wearable foundation model dat vooraf was getraind op 40 miljoen uur sensordata, nam de nauwkeurigheid verder toe. De resultaten van het onderzoek zijn gepubliceerd in Nature.
AI-assistent
Naast het voorspellingsmodel ontwikkelden de onderzoekers ook een AI-assistent die gebruikers helpt de resultaten van hun insulineresistentiescore te begrijpen. Deze digitale agent kan bloedtestwaarden interpreteren en aanvullende informatie geven over metabole gezondheid. De antwoorden van de AI-assistent werden beoordeeld door endocrinologen. Volgens de onderzoekers was 79 procent van de reacties volledig feitelijk correct en werd 96 procent als veilig beschouwd.
Volgens de onderzoekers kan de combinatie van draagbare sensordata, bloedonderzoek en AI-analyse in de toekomst leiden tot een schaalbare screeningsmethode die ook thuis kan worden toegepast. Daarmee zou het mogelijk worden om insulineresistentie en het risico op diabetes eerder te signaleren, waardoor preventieve maatregelen tijdig kunnen worden ingezet.
