Shifoxonada insulinni boshqarishda sunʼiy intellektga tayyor maʼlumotlar infratuzilmasi, glyukoza o‘lchovlari, insulin qo‘llanilishi, vaqt maʼlumotlari va klinik kontekstni ishonchli tarzda o‘zaro bog‘lab, AI asosidagi qarorlarni qo‘llab-quvvatlashdan xavfsiz foydalanish imkonini beradigan klinik-informatik poydevordir. Ushbu Commentary yangi sunʼiy intellekt modeli yoki klinik sinovni taqdim etish o‘rniga, shifoxonalarda insulinni boshqarishga mo‘ljallangan AI ilovalari nega faqat model aniqligiga bog‘liq emasligini tushuntiradi. Maqolaning asosiy daʼvosi shundan iboratki, maʼlumotlarning parchalanganligi, qurilma ekotizimlari bilan elektron sog‘liqni saqlash yozuvlarining bir-biridan uzilib qolishi va klinik ish jarayonlarining yetarlicha integratsiya qilinmasligi ishonchli AI foydalanishining asosiy to‘siqlaridir.

Manba shifoxonada insulinni boshqarishni ikkita asosiy paradigmaga ajratadi. Qurilma vositasida dozalashda insulin nasoslari, avtomatlashtirilgan insulin yetkazib berish tizimlari va uzluksiz glyukoza monitoringi qurilmalari o‘z ishlab chiqaruvchi ekotizimlarida ishlaydi; glyukoza va insulin maʼlumotlarining muhim qismi maxsus integratsiya qilinmasa, elektron sog‘liqni saqlash yozuviga yetib bormasligi mumkin. Klinitsist tomonidan qo‘llaniladigan dozalashda esa insulin orderlari, dori yuborish qaydlari, point-of-care glyukoza o‘lchovlari va boshqa klinik maʼlumotlar ko‘pincha EHR ichida mavjud bo‘ladi; biroq ular turli modullar, vaqt nuqtalari va jamoa rollari bo‘ylab tarqalganligi sababli tez va yaxlit baholash qiyinlashishi mumkin.

Maqolaning markazidagi Integration of Connected Diabetes Device Data into the Electronic Health Record (iCoDE), diabet qurilmalaridan keladigan maʼlumotlarni klinik axborot tizimlariga standart va talqin qilinadigan shaklda uzatishni takomillashtirishga qaratilgan ko‘p manfaatdor tomonli standartlashtirish va informatika tashabbusidir. iCoDEʼning qurilma vositasidagi parvarish yo‘liga bevosita hissasi turli ishlab chiqaruvchilardan keladigan insulin maʼlumotlarini umumiy maʼlumotlar modelida ifodalash va FHIR kabi mavjud o‘zaro ishlash standartlari orqali EHR integratsiyasini qo‘llab-quvvatlashdir. Klinitsist tomonidan qo‘llaniladigan insulinni boshqarishda esa ayni tamoyillar shifoxona ichida allaqachon mavjud bo‘lgan maʼlumotlarni yanada izchil, kuzatiladigan va ish jarayoniga tayyor holga keltirish uchun kengroq informatika doirasini taqdim etadi.

Mualliflar ishonchli shifoxona insulin AI tizimi uchun faqat texnik maʼlumotlar integratsiyasi yetarli emasligini taʼkidlaydi. Aniqlik, takror ishlab chiqariluvchanlik, maxfiylik va xavfsizlik, shaffoflik, inson nazorati va adolat; joriy etishdan oldin ham, keyin ham ko‘rib chiqilishi kerak bo‘lgan asosiy xususiyatlardir. Shu sababli maqola taklif qilgan sakkiz bosqichli yo‘l xaritasi AI dan foydalanishga bevosita o‘tish o‘rniga mavjud holatni baholash, maʼlumotlar qatlamini qurish, maʼlumotlar sifatini taʼminlash, klinik foydalanish imkonini yaratish, boshqaruvni yo‘lga qo‘yish, tor foydalanish ssenariylaridan boshlash, klinik mezonlar bilan baholash va tizimni uzluksiz kuzatib, nazorat ostida masshtablash ketma-ketligini kuzatadi.

Shifoxonada Insulinni Boshqarishda AI uchun Asosiy Tor Joy Nega Maʼlumotlar Infratuzilmasidir?

Shifoxonada insulinni boshqarishda sunʼiy intellekt uchun asosiy tor joy faqat modelning tavsiya ishlab chiqish qobiliyati emas; zarur glyukoza, insulin, vaqt, ovqatlanish va klinik holat maʼlumotlarini to‘liq, o‘zaro ishlaydigan, vaqt jihatidan moslashtirilgan, manbasi kuzatiladigan va klinik ish jarayonida foydalanish mumkin bo‘lgan yagona butunlikka keltirib bo‘lmasligidir.

Statsionardagi bemorda insulinga ehtiyoj doimiy emas. O‘tkir kasallik, operatsiya, ovqatlanishdagi o‘zgarishlar, kortikosteroid qo‘llash va parvarish darajalari o‘rtasidagi o‘tishlar insulin sezgirligini o‘zgartirishi mumkin. Bir bemor uchun dozalash qarori bir kun ichida bir necha marta qayta baholanishi talab qilinishi mumkin.

Ushbu qaror uchun foydalanish mumkin bo‘lgan maʼlumotlar turli tizimlarga tarqalgan bo‘lishi mumkin:

• point-of-care glyukoza qiymatlari,
• uzluksiz glyukoza monitoringi maʼlumotlari,
• insulin orderlari,
• dori yuborish qaydlari,
• ovqatlanish maʼlumotlari,
• yaqinda berilgan insulin miqdori va vaqti,
• bemorning kengroq klinik holati.

AI tizimi ushbu qismlarning barchasidan mazmunli foydalanishi uchun faqat tuzilmali maydonlar mavjud bo‘lishi yetarli emas. Maʼlumot qaysi manbadan kelgani maʼlum bo‘lishi, vaqt belgilarining mosligi, yetishmayotgan yoki kechikkan maʼlumotlarni aniqlash imkoniyati va klinitsistning qaror qabul qilish vaqtida ularni ko‘ra olishi zarur.

Bu talab insulin uchun ayniqsa muhim; manba insulinni shifoxonada qo‘llaniladigan eng yuqori xavfli dori vositalaridan biri sifatida ko‘rib chiqadi va doza, vaqt yoki klinik kontekstni talqin qilishdagi xatolar tezda klinik oqibatlarga olib kelishi mumkinligini taʼkidlaydi.

Qurilma Vositasida va Klinitsist Tomonidan Qo‘llaniladigan Insulin Dozalashi O‘rtasidagi Maʼlumotlar Farqi Nima?

Qurilma vositasida dozalashda kritik muammo maʼlumotlarning katta qismi nasos yoki avtomatlashtirilgan insulin yetkazib berish tizimining ishlab chiqaruvchi ekotizimida EHR tashqarisida qolishi mumkinligidir; klinitsist tomonidan qo‘llaniladigan dozalashda esa zarur maʼlumotlarning aksariyati EHR ichida mavjud, biroq turli qayd modullari va ish jarayonlariga tarqalganligi sababli ularni vaqt jihatidan mos va klinik jihatdan yaxlit tarzda ishlatish qiyinlashishi mumkin.

Bu farq yagona “shifoxona insulin AI integratsiyasi” yechimi barcha qo‘llash muhitlariga bir xil tarzda mos kelmasligini ko‘rsatadi. Qurilmaga asoslangan tizimlarda tashqi maʼlumotlarni shifoxona tizimiga olib kirish ustuvor bo‘lishi mumkin, klinitsistga asoslangan tizimlarda esa mavjud shifoxona maʼlumotlarini mazmunli vaqt tarixiga aylantirish kattaroq muammo bo‘lishi mumkin.

iCoDE Shifoxona Insulin Sunʼiy Intellekti uchun Qanday Poydevor Yaratadi?

iCoDE qurilmadan keladigan diabet maʼlumotlarini umumiy shaklda ifodalash, mavjud o‘zaro ishlash standartlari orqali EHR ga uzatish va insulin hamda glyukoza maʼlumotlarini klinik jihatdan talqin qilinadigan qilishga eʼtibor qaratib, AI asosidagi qarorlarni qo‘llab-quvvatlashga zarur bo‘lgan ishonchli maʼlumotlar qatlamini qurishga hissa qo‘shadi.

iCoDE Diabetes Technology Society tomonidan tashkil etilgan ko‘p manfaatdor tomonli tashabbusdir. Manbaga ko‘ra, klinitsistlar, tadqiqotchilar, qurilma ishlab chiqaruvchilari, EHR provayderlari, davlat tashkilotlari va bemor vakillari ayni maʼlumotlar integratsiyasi muammosini ko‘rib chiqish uchun ushbu tuzilma doirasida birlashadi.

Canonical insulin data model

Turli insulin qurilmalari bir xil klinik hodisani turlicha qayd etishi yoki eksport qilishi mumkin. iCoDEʼning canonical insulin data model yondashuvi ishlab chiqaruvchiga xos farqlarni uyg‘unlashtirib, qurilmalar o‘rtasida yanada izchil ifodani taʼminlashni maqsad qiladi.

Bu yondashuv AI nuqtai nazaridan muhim; chunki model har bir qurilmada bir xil klinik tushuncha bilan butunlay boshqa maʼlumotlar tuzilmasida to‘qnashsa, qayta foydalanish mumkin bo‘lgan va ishonchli maʼlumotlar quvurini yaratish qiyinlashadi.

FHIR asosidagi o‘zaro ishlash

Manba iCoDEʼning mavjud Fast Healthcare Interoperability Resources (FHIR) standartiga asoslangan integratsiya yo‘llarini ishlab chiqayotganini bildiradi. Bu yerda maqsad faqat qurilmadan fayl olish emas; maʼlumotni klinik tizimlar tushunishi va bog‘lay olishi mumkin bo‘lgan standart sog‘liqni saqlash maʼlumotlari tuzilmasiga aylantirishdir.

Insulin Dosing Profile

iCoDE belgilagan Insulin Dosing Profile, insulin qo‘llanilishi haqidagi maʼlumotlar bilan CGM maʼlumotlarini bir sahifalik klinik ko‘rinishda birgalikda taqdim etishni maqsad qiluvchi umumlashtirish yondashuvidir.

Ushbu dizaynning informatik ahamiyati maʼlumotlar integratsiyasini faqat orqa fonda amalga oshadigan texnik jarayon sifatida qoldirmasligidadir. Maʼlumotning klinitsist tomonidan talqin qilinishi va qaror jarayoniga joylashtirilishi ham integratsiyaning bir qismidir.

iCoDEʼning ikki xil roli

Qurilma vositasidagi insulinni boshqarishda iCoDEʼning roli bevositaroq: tashqi qurilma maʼlumotlarini standartlashtirish va EHR ga integratsiya qilish.

Klinitsist tomonidan qo‘llaniladigan insulinni boshqarishda esa iCoDE yangi maʼlumot manbasini shifoxonaga olib kirishdan ko‘ra, allaqachon mavjud maʼlumotlarni qanday tashkil qilishga oid kengroq informatika modelini ifodalaydi.

Shu sababli manba iCoDE ni shifoxona insulin AI muammosini yolg‘iz o‘zi hal qiladigan tizim sifatida taqdim etmaydi. iCoDEʼning qiymati ishonchli AI ishlashi mumkin bo‘lgan maʼlumotlar va ish jarayoni sharoitlarini yaratishga hissa qo‘shishidadir.

Ishonchli Shifoxona Insulin Sunʼiy Intellekti Qanday Shartlarni Talab Qiladi?

Manbaga ko‘ra, ishonchli shifoxona insulin sunʼiy intellekti aniqlik va takror ishlab chiqariluvchanlik bilan birga maxfiylik va xavfsizlik, shaffoflik, inson nazorati va adolatni qamrab oluvchi boshqaruv tuzilmasiga, shuningdek joriy etilgandan keyin drift va xavfsizlik ko‘rsatkichlarini uzluksiz kuzatishga muhtoj.

Model drift nega muhim?

Model joriy etilgan kuni yaxshi ishlasa ham, shifoxona ish jarayonlari, maʼlumot manbalari, qurilmalar yoki bemorlar taqsimoti vaqt o‘tishi bilan o‘zgarishi mumkin. Shu sababli manba model ko‘rsatkichlarini faqat dastlabki tasdiqlashda emas, butun foydalanish davomida kuzatishni tavsiya qiladi.

Joriy etishning dastlabki davrida haftalik nazorat; ko‘rsatkichlar barqarorlashgach, oylik yoki uch oylik rejalashtirilgan ko‘rib chiqish misol sifatida keltiriladi. Biroq manba bu oraliqlarni universal majburiyat sifatida taqdim etmaydi. Haqiqiy nazorat chastotasi foydalanish maqsadi, avtomatlashtirish darajasi va muassasaning xavfni baholashiga qarab mahalliy ravishda belgilanishi kerakligini taʼkidlaydi.

Bundan tashqari, hodisa bilan tetiklanadigan ko‘rib chiqish ham zarur. Insulinni boshqarishga kirish maʼlumotlarini beradigan tizimlarda muhim o‘zgarish, maʼlumotlar sifati muammosi, klinitsist fikr-mulohazasi, xavfsizlik signali yoki model tavsiyalari bilan klinik hukm o‘rtasidagi moslikning buzilishi kuzatilsa, rejalashtirilgan nazorat sanasini kutmasdan qayta baholash o‘tkazilishi kerak.

Adolat nega faqat algoritm muammosi emas?

Model o‘qitish yoki foydalanish maʼlumotlaridagi tengsizliklarni meros qilib olishi mumkin. Manba insulin ehtiyojlari va maʼlumotlarga kirish imkoniyati bemor guruhlari o‘rtasida insulin sezgirligi, glikemik naqshlar, ovqatlanish, hamroh kasalliklar, parvarishdan foydalanish, hujjatlashtirish amaliyotlari va diabet texnologiyasidan foydalanish kabi omillar bilan farq qilishi mumkinligini bildiradi.

Shu sababli xavfsiz joriy etish faqat “modelda kamsitish bormi?” degan savol bilan cheklanmaydi. Kichik guruhlar bo‘yicha tasdiqlash, turli xavfsizlik natijalarini kuzatish, missingness va data latency ni kuzatib borish hamda ko‘rsatkichlarni bemor guruhlari o‘rtasida taqqoslash kerak.

Tadqiqot Usuli va Natijalari

Bu tadqiqot eksperimental izlanish yoki yangi maʼlumotlar tahlili emas. Commentary turidagi maqola mavjud shifoxona insulinni boshqarish amaliyotlarini, ilgari chop etilgan diabetes-device-data integratsiyasi tadqiqotlarini, ishonchli tibbiy AI adabiyotini va iCoDE/iCoDE-2 yondashuvini birlashtirib, konseptual va amaliyotga yo‘naltirilgan doira yaratadi.

Shu sababli tadqiqotda bemorlar soni, o‘qitish/tasdiqlash/test maʼlumotlar bo‘linishi, model giperparametrlari, p qiymatlari, ishonch oraliqlari yoki yangi ishlash metrikasi mavjud emas. Manbaning asosiy ilmiy natijalari miqdoriy model taqqoslashdan ko‘ra quyidagilardir:

• shifoxonadagi ikki xil insulin dozalash paradigmasining informatik farqlanishi,
• iCoDEʼning ushbu ikki paradigma ichidagi turli roli,
• ishonchli AI uchun zarur boshqaruv shartlari,
• shifoxonalarni AI uchun tayyor holatga keltirish uchun taklif qilingan sakkiz bosqichli yo‘l xaritasi.

Sakkiz bosqichli AI-ready shifoxona yo‘l xaritasi

Raqamli yetuklik darajasiga ko‘ra boshlang‘ich nuqta

Manba barcha shifoxonalar bir xil bosqichdan boshlashi kerakligini aytmaydi. Qog‘oz protokollardan foydalanadigan muassasa avval asosiy insulin, glyukoza, ovqatlanish va klinik kontekst maydonlarini tuzilmalashtirishi mumkin.

EHR asosidagi order va medication administration infratuzilmasiga ega shifoxona uchun keyingi ustuvorlik vaqt belgilarini moslashtirish, provenance, maʼlumotlar sifati nazoratlari va insulin harakatlari bilan glyukoza javoblarini birgalikda ko‘rsatadigan klinik xulosalar bo‘lishi mumkin.

CGM, nasos, AID yoki maxsus glikemik boshqaruv platformalaridan allaqachon foydalanadigan yetukroq muassasa esa qurilma maʼlumotlari integratsiyasi va tasdiqlashidan keyin naqshlarni aniqlash, xavfni tasniflash, protokolni qo‘llab-quvvatlash yoki tashrifdan oldingi umumlashtirish kabi tor AI foydalanish sohalariga o‘tishi mumkin.

Tadqiqot qo‘llab-quvvatlaydigan xulosalar

Maqola shifoxonada insulin uchun sunʼiy intellekt muvaffaqiyatini faqat model arxitekturasiga keltirib bo‘lmasligini qatʼiy taʼkidlaydi. Ishonchli maʼlumotlar ifodasi, vaqt bo‘yicha moslik, o‘zaro ishlash, klinik foydalanish imkoniyati va boshqaruv AI joriy etilishining asosiy tarkibiy qismlaridir.

Manba qurilma vositasida va klinitsist tomonidan qo‘llaniladigan insulinni boshqarishda maʼlumotlar muammolari farq qilishini ko‘rsatadi. Birinchisida tashqi qurilma maʼlumotlarini EHR ga integratsiya qilish, ikkinchisida esa mavjud EHR maʼlumotlarini birlashtirish va klinik kontekstda foydalanish mumkin bo‘lgan holga keltirish ustuvordir.

iCoDEʼning eng bevosita hissasi qurilmadan keladigan diabet maʼlumotlarini standartlashtirish va EHR integratsiyasidir. Ayni tamoyillar klinitsist tomonidan qo‘llaniladigan insulinni boshqarishda ham maʼlumotlarni tashkil etish uchun kengroq informatika doirasini taʼminlashi mumkin.

Mualliflar taklif qilgan sakkiz bosqichli yo‘l xaritasi AI-ready yetuklik bir bosqichli emas, balki yig‘iluvchi va bosqichma-bosqich jarayon ekanini aniq ko‘rsatadi.

Tadqiqot qo‘llab-quvvatlamaydigan xulosalar

Maqola biror AI insulin dozalash modeli bemorlarda gipoglikemiya, giperglikemiya, o‘lim yoki shifoxonada qolish muddatini kamaytirishini bevosita ko‘rsatmaydi.

iCoDE qo‘llaniladigan shifoxonalarda klinik natijalar avtomatik ravishda yaxshilanishi yoki barcha AI tizimlari ishonchli bo‘lib qolishi ko‘rsatilmagan.

Manba muayyan mashinaviy o‘rganish arxitekturasini boshqalardan ustun deb eʼlon qilmaydi. Tadqiqotning diqqat markazi model tanlash emas, balki modellar xavfsiz ishlashi mumkin bo‘lgan maʼlumotlar va boshqaruv muhitidir.

Sakkiz bosqichli yo‘l xaritasi randomizatsiyalangan klinik tadqiqot bilan taqqoslangan aralashuv protokoli emas; bu mualliflar adabiyot va informatika tajribasidan ishlab chiqqan amaliyot doirasidir.

Haftalik, oylik yoki uch oylik monitoring misollari ham barcha muassasalar uchun qatʼiy tartibga soluvchi majburiyat sifatida taqdim etilmagan. Nazorat chastotasi mahalliy xavf, foydalanish maqsadi va avtomatlashtirish darajasiga ko‘ra belgilanishi kerakligi alohida taʼkidlangan.

Manba va Usul Haqida Izoh

Asl tadqiqot: From Device Data to Trusted Decision Support: Building the Foundation for AI in Hospital Insulin Management

Mualliflar: Mandy M. Shao; Agatha F. Scheideman; Casey Rand; David C. Klonoff; Juan Espinoza.

Masʼul muallif: David C. Klonoff.

Muassasalar: Diabetes Technology Society, Burlingame, California, AQSh; Stanley Manne Children’s Research Institute, Ann & Robert H. Lurie Children’s Hospital of Chicago, Illinois, AQSh; Sutter Health Research Institute, Emeryville, California, AQSh; Department of Diabetes & Endocrinology, Mills-Peninsula Medical Center, San Mateo, California, AQSh.

Jurnal: Diabetology.

Nashriyot: MDPI.

Manba turi: Commentary; shifoxonada insulinni boshqarishda AI maʼlumotlar infratuzilmasi, o‘zaro ishlash va boshqaruvni baholaydigan akademik sharh/doira maqolasi.

Nashr maʼlumoti: Diabetology 2026, jild 7, maqola 99.

DOI: 10.3390/diabetology7050099

Yuborilgan: 3 aprel 2026.

Tahrir: 14 may 2026.

Qabul: 18 may 2026.

Nashr: 20 may 2026.

Litsenziya: Creative Commons Attribution (CC BY), ochiq kirish.

Yangi maʼlumot/namuna: Yo‘q. Maqola yangi maʼlumot yaratmaganini yoki tahlil qilmaganini aniq bildiradi.

Yangi AI modeli: Yo‘q. Manba shifoxona insulin AI si uchun maʼlumotlar va boshqaruv infratuzilmasini muhokama qiladi; yangi modelni o‘qitish yoki qiyosiy algoritm tajribasini taqdim etmaydi.

Institutsional etika qo‘mitasi: Tatbiq etilmaydi.

Xabardor qilingan rozilik: Tatbiq etilmaydi.

Moliyalashtirish: Tadqiqot uchun tashqi moliyalashtirish bildirilmagan.

Maʼlumotlar mavjudligi: Yangi maʼlumot yaratilmagan yoki tahlil qilinmaganligi sababli maʼlumot almashish tatbiq etilmaydi.

Manfaatlar to‘qnashuvi: David C. Klonoff Afon, Atropos Health, Embecta, Glooko, Glucotrack, Lifecare, Sanofi, Synchneuro va Thirdwayv uchun maslahatchilik qilganini bildirgan. Juan Espinoza Helmsley Charitable Trust dan mablag‘ olganini va Sanofi, Glooko hamda Dexcom uchun maslahatchi ekanini bildirgan. Agatha F. Scheideman, Casey Rand va Mandy M. Shao oshkor qilinishi kerak bo‘lgan manfaatlari yo‘qligini bildirgan.

Mualliflar hissasi: Konseptuallashtirish David C. Klonoff va Juan Espinoza tomonidan amalga oshirilgan. Dastlabki qoralamani tayyorlashga Agatha F. Scheideman, Casey Rand, David C. Klonoff, Juan Espinoza va Mandy M. Shao hissa qo‘shgan. Ko‘rib chiqish va tahrirda barcha besh muallif qatnashgan.

Markaziy amaliyot doirasi: iCoDE/iCoDE-2; diabet qurilmasi maʼlumotlarini standartlashtirish, canonical insulin data model, FHIR asosidagi o‘zaro ishlash va Insulin Dosing Profile.

Asosiy ilmiy chegara: Bu maqola klinik samaradorlik sinovi emas. Taklif etilgan boshqaruv va infratuzilma tamoyillari ishonchli AI joriy etilishi uchun doira taqdim etadi; bemor natijalarida o‘lchangan yaxshilanish yoki muayyan AI algoritmining ustunligi ushbu tadqiqotda sinovdan o‘tkazilmagan.

Terminologiya izohi: Manbaning abstract bo‘limi iCoDE ni standard sifatida taʼriflagan holda, asosiy matn iCoDE ni ko‘p manfaatdor tomonli project/initiative va informatika framework sifatida tushuntiradi. Verianla matnida iCoDE ushbu ikki qo‘llanishning umumiy ilmiy yadrosini saqlaydigan tarzda standartlashtirish va integratsiya tashabbusi/doirasi sifatida taʼriflangan.

Verianla usul izohi: Ushbu mazmun manba maqolaning gapma-gap yoki paragrafma-paragraf yaqin tarjimasi emas. Tadqiqotning ikki insulin boshqaruvi paradigmasi, iCoDE maʼlumotlar integratsiyasi yondashuvi, ishonchli AI ning oltita boshqaruv xususiyati, post-deployment monitoring talablari, adolat muhokamasi va sakkiz bosqichli shifoxona yo‘l xaritasi ilmiy fakt va munosabat darajasida ajratib olinib, mustaqil o‘zbek tilidagi ilmiy o‘quv tuzilmasida qayta tashkil etilgan.

Tibbiy foydalanish chegarasi: Ushbu mazmun individual bemor uchun insulin dozasi yoki davolash tavsiyasi emas. Maqolaning mavzusi shifoxona darajasidagi maʼlumotlar infratuzilmasi, klinik qarorlarni qo‘llab-quvvatlash va sunʼiy intellekt boshqaruvidir.