《基于观察数据的可解释的人工智能驱动的2型糖尿病治疗指南》

本文介绍了利用可解释的人工智能技术，基于观察性数据制定2型糖尿病治疗指南的研究。研究团队使用美国波士顿医学中心1998年至2014年的22,387次患者就诊记录，通过机器学习和优化技术去除混杂偏差，训练决策树模型预测治疗方案变化。该模型考虑了患者的年龄、性别、种族、合并症、BMI历史和HbA1c历史等特征，并组合成端到端的治疗推荐管道。研究结果表明，在波士顿医学中心和哈特福德医疗体系的验证数据集中，该管道实现的HbA1c中位数降低幅度分别比医生实际达到的降低幅度高出0.26%和0.13%。对于不同治疗阶段的患者，管道提供了具体的药物治疗建议，包括胰岛素单药治疗、一线药物治疗、二甲双胍单药治疗及其组合治疗。这一方法为临床医生提供了一种基于数据支持的、可采纳的2型糖尿病治疗方案。