机器学习如何增强Virta治疗

自成立之日起，我们在Virta的使命就是到2025年让1亿人逆转2型糖尿病。这是一个大胆的目标，不出所料，人们经常会问:“你怎么实现这个目标?”

这要从正确的干预开始。没有解决的根本原因2型糖尿病在美国，我们不能指望靠一个人就能成功，更不用说靠数百万人了。在我们的同行评审结果中，在一年内仍注册的83%中，60%实现逆转(糖化血红蛋白低于6.5%，同时不服用任何糖尿病特异性药物)。与此同时，接受常规护理的一组糖化血红蛋白和药物使用均呈上升趋势

然而，即使采取正确的干预措施，要实现1亿人的目标，就治疗效果和效率而言，需要从根本上改变目前的护理标准。这就是技术发挥作用的地方。

为了提供高效和可扩展的护理，我们开发了一套定制软件工具和机器学习(ML)算法，为我们的供应商和健康教练提供“超能力”。我们的数据科学和工程团队与临床医生合作开发并嵌入可操作的机器学习产品到教练工作流程中。算法从我们之前的患者数据中学习模式，并根据临床医生的反馈进行定量和定性验证

最近，Virta很荣幸地出席了一年一度的活动健康信息技术和分析会议(CHITA)并讨论我们的一些ML算法及其影响:³

• 我们可以预测治疗中断并且提前几个月预测体重增加的风险，这样教练就可以主动干预，帮助患者保持正轨
• 通过估计某些实验室检测结果，我们减少了不方便抽血的需要
• 我们为患者制定了一个总体优先级评分，确定并优先考虑那些将从额外的教练服务中受益的人

有了这些触手可及的信息，我们的临床团队可以开始专注于那些最需要它的人，同时减少低效筛选的时间患者数据。

为了让你了解结果，优先级评分算法于2018年3月初推出，从那时起，长期患者(定义为开始治疗180天以上的患者)的教练效率(以每小时服务的患者衡量)提高了25-50%。

随着效率的提高，人们可能会认为效率会降低。事实上，情况恰恰相反。对于那些最近达到一年(并同意分享他们的数据用于研究)的患者来说，结果实际上比临床试验的结果要好，在临床试验期间，这些ML算法没有使用。

需要明确的是，我们的商业患者队列与我们的试验患者队列在一些方面有所不同，Virta治疗的组成部分正在不断改进。因此，度量可能夸大了优先级分数的影响。尽管如此，很明显，机器学习计划与其他技术创新相结合，帮助我们的临床医生对于实现到2025年使1亿人减少糖尿病的目标至关重要。