¹Научно-исследовательский институт биомедицинской химии имени В.Н. Ореховича, Москва, Россия
²Институт математических проблем биологии РАН — филиал Института прикладной математики им. М.В. Келдыша РАН, Пущино, Московская область, Россия
³Институт теоретической и экспериментальной биофизики РАН, Пущино, Московская область, Россия
⁴Национальный исследовательский университет «Высшая школа экономики», Москва, Россия

Аннотация. С 1990 по 2022 годы число людей с диабетом выросло с 200 до 830 миллионов. Большая часть приходится на инсулиннезависимый диабет 2 типа. Болезнь часто приводит к тяжёлым осложнениям: слепоте, почечной недостаточности, инфаркту, инсульту, ампутациям конечностей. По оценкам ВОЗ, в 2021 году от диабета и заболеваний почек умерло более двух миллионов человек. Глобальные расходы на здравоохранение, связанные с диабетом в целом, оценивались в 966 миллиардов долларов США в 2021 году и, по прогнозам, достигнут 1.05 миллиарда долларов США к 2045 году. Ранняя диагностика и индивидуальный подход к лечению помогают замедлить прогрессирование болезни и снизить риск сосудистых осложнений. На ранних стадиях изменение образа жизни может привести к длительной нормогликемии без применения лекарств. Одной из ключевых проблем остаётся профилактика гипогликемии, особенно ночной, которая может приводить к опасным осложнениям. Использование данных непрерывного мониторинга и алгоритмов машинного обучения позволяет прогнозировать риск гипогликемии с учётом индивидуальных особенностей пациента. Современные модели искусственного интеллекта строятся на анализе больших массивов данных. Решение задачи несбалансированности выборки повышает надёжность прогнозов. Для дальнейшего прогресса необходимо развитие больших библиотек данных и безопасных систем обмена информацией между устройствами мониторинга и приложениями. Применение таких технологий повышает эффективность терапии и качество жизни пациентов. Настоящий обзор освещает перспективы применения алгоритмов искусственного интеллекта в мониторинге и прогнозировании диабета. 

Ключевые слова: сахарный диабет второго типа, ранняя диагностика, искусственный интеллект, модели машинного обучения