מודל למידת מכונה אינטראקטיבי באינטרנט לניבוי סיכון למולטימורבידיות קרדיומתאבולית בחולים עם סוכרת סוג 2

מדוע זה חשוב לאנשים עם סוכרת

מקרים רבים של אנשים החיים עם סוכרת סוג 2 אינם מתקיימים עם בעיה בודדת—לעתים קרובות הם מתמודדים גם עם מחלות לב, שבץ או יתר לחץ דם. שילוב זה, המכונה מולטימורבידיות קרדיומתאבולית, מעלה במידה רבה את הסיכוי לתמותה מוקדמת ולשהיות אשפוז יקרות. המחקר המפורסם במאמר זה מציג כלי מקוון חדש, פשוט לשימוש, שעוזר לרופאים להעריך את הסיכון של כל מטופל לפתח סיבוכים חמורים אלה מוקדם, באמצעות תוצאות בדיקות שגרתיות, ומסביר במונחים ברורים אילו גורמים מביאים לעליית הסיכון.

הסוכרת ושותפיה הנסתרים

סוכרת סוג 2 הפכה לאחת מהמחלות הכרוניות השכיחות ביותר בעולם. ברוב המקרים, כבר בזמן האבחון הראשוני קיימים אצל רבים מחלות נוספות, במיוחד מחלות כלי דם ולב או יתר לחץ דם. יחד, בעיות אלה—המכונות באופן קולקטיבי מולטימורבידיות קרדיומתאבולית—מגבירות משמעותית את הסיכון להתקפי לב, שבץ ותמותה מוקדמת, ומכפילות ואף יותר את עלויות הטיפול הרפואי. ההנחיות הנוכחיות ממליצות על בדיקות סיכון לב שגרתיות לאנשים עם סוכרת, אך במרפאות לעתים חסרים כלים פשוטים ומדויקים שתופסים את התמונה המלאה של מצבים מרובים בו־זמנית.

הפיכת נתוני המרפאה היומיומיים לתחזית סיכון

החוקרים אספו מידע מ־1,153 מבוגרים עם סוכרת סוג 2 שטופלו בשני בתי חולים גדולים במחוז שאנשי שבסין. לאחר יישום קריטריוני הכללה ושלילה רפואיים וטיפול זהיר בערכי חסרים, נותרו בידיהם 793 מטופלים לבניית המודל ועוד 360 לבחינה עצמאית. מכל מטופל נאספו פרטים בסיסיים כגון גיל ומידת משך הסוכרת, וכן בדיקות דם מקובלות כולל המוגלובין מסוכרר (HbA1c), רמות סוכר לאחר ארוחה, אנזימי כבד, סמנים כלייתיים ומדד סריקה לשומן ויסרלי בבטן. מולטימורבידיות קרדיומתאבולית הוגדרה כקיום סוכרת בנוסף לפחות אחד מהבאים: מחלת לב איסכמית (נגרמת מחסימת כלי דם), שבץ, או יתר לחץ דם.

הלימוד של מודל חכם ואז פתיחת "הקופסה השחורה"

כדי לחזות מי יפתח מולטימורבידיות קרדיומתאבולית, הצוות בחן מספר גישות של למידת מכונה—תוכנות שמסוגלות ללמוד דפוסים מתוך נתונים. תחילה השתמשו בשיטה שנקראת הסרה רקורסיבית של משתנים (recursive feature elimination) כדי לצמצם עשרות מדידות לתשעה פרמטרים אינפורמטיביים במיוחד: סוכר לאחר ארוחה, HbA1c, גיל, שומן ויסרלי (עמוק בבטן), ספירת טסיות, מדד לתנגודת לאינסולין, היחס בין שני אנזימי כבד (AST/ALT), שנות מחלה בסוכרת, והאם האדם משתמש בהזרקות אינסולין תת־עוריות. לאחר מכן השוו שישה אלגוריתמים שונים ומצאו שמודל "סטאקינג"—אנצמבל שמשלב את חוזקותיהן של כמה שיטות—נתן את התוצאות האמינות ביותר. בבדיקה פנימית המודל הפריד נכון בין מטופלים בסיכון גבוה ונמוך עם שטח מתחת לעקומת ROC (AUC) של 0.868, ובבית חולים עצמאי הוא הראה ביצועים טובים גם שם עם AUC של 0.822.

אילו גורמים חשובים ביותר לסיכון

מאחר שמודלים מורכבים עלולים להיות קשים לאמון כשהם אפופים אפלה, הצוות השתמש בכלי הסבריים—SHAP ו־LIME—שמראים כיצד כל קלט דוחף את סיכון האדם כלפי מעלה או מטה. על פני כל האוכלוסייה, שלושה גורמים בולטים כחשובים במיוחד: HbA1c, גיל, והאם האדם משתמש בהזרקות אינסולין. HbA1c גבוה וגיל מבוגר העלו במובהק את הסיכון, כפי שעשו גם רמות סוכר גבוהות לאחר ארוחה, שומן ויסרלי רב יותר, וציוני תנגודת אינסולין גבוהים. ספירת טסיות והיחס AST/ALT משחקים גם הם תפקיד מסייע, ומשקפים נטייה לקרישיות ואפשרי מאמץ על הלב והכבד. ההסברים לרמת הפרט הראו, לדוגמה, כיצד אדם בגיל העמידה עם סוכרת ממושכת, שומן בטן גבוה ו‑HbA1c מאוד גבוה יכול לקבל הערכת סיכון שקרובה ל־90%, בעוד שמישהו עם שליטה טובה יותר על הסוכר ופחות שומן ויסרלי עשוי לקבל סיכון נמוך בהרבה אף בגיל דומה.

כלי רשת להחלטות במציאות—ומגבלותיו

כדי להפוך את המחקר לפרקטי, המחברים בנו אפליקציה רשת חינמית שבה קלינאי יכול להזין את תשע המדידות הנבחרות ולקבל מיד אומדן סיכון מותאם אישית יחד עם הסבר חזותי אילו גורמים מניעים את הסיכון. המערכת מיועדת לא לאחסן נתוני מטופלים וכעת משמשת כתמיכה לחינוך ולמחקר ולא כמתקן אבחוני עצמאי. למחקר יש מגבלות: הוא משתמש בתיקים היסטוריים משני בתי חולים באזור אחד בסין, והוא מסתמך על מדידות שנעשו בנקודת זמן יחידה. המחברים מדגישים שיש צורך במחקרים גדולים וארוכי טווח באוכלוסיות מגוונות יותר לפני שניתן לשקול להפוך את הכלי לאוניברסלי.

מה זה אומר לאנשים עם סוכרת סוג 2

במונחים יומיומיים, עבודה זו מראה שבדיקות נפוצות שכבר נעשות במרפאות סוכרת—במיוחד HbA1c, סוכר לאחר ארוחה, מדידות שומן בטן, ומשך המחלה—ניתן לשלב בעזרת אלגוריתם חכם שקוף כדי לזהות מי נמצאים בסיכון הגבוה ביותר לפתח סיבוכים חמורים הקשורים ללב וללחץ דם. בשילוב עם שיקול דעת הרופאים, כלים כאלה יכולים לסייע למקד שינויים באורח חיים וטיפולים אינטנסיביים לאלה שזקוקים לכך ביותר, ובכך למנוע התקפי לב ושבץ ולשפר את איכות החיים של אנשים החיים עם סוכרת סוג 2.

ציטוט: Liu, X., Li, C., Huo, X. et al. An online interpretable machine learning model for predicting cardiometabolic multimorbidity risk in patients with type 2 diabetes mellitus. Sci Rep 16, 5877 (2026). https://doi.org/10.1038/s41598-026-36923-2

מילות מפתח: סוכרת סוג 2, סיכון למחלות לב, למידת מכונה ברפואה, מולטימורבידיות, כלי חיזוי סיכון