Оценка на риска от затлъстяване далеч от класическия ИТМ
E-Health Medicine 22.10.2019 lz
С помощта на изкуствен интелект (ИИ) са идентифицирани редица липидни молекули, които съдържат много повече информация за затлъстяването, отколкото класическият индекс на телесна маса (ИТМ). В ежедневната медицина ИТМ досега е бил популярен инструмент за определяне на наднорменото тегло и затлъстяването.
Традиционно измерени стойности на ИТМ и стойности на ИТМ, изчислени от липидомични данни в сравнение. | Gerl et al. Машинно обучение на човешки плазмени липидоми за оценка на затлъстяването в голяма кохорта от популация
Предупрежденията на СЗО стават все по-силни. Почти всеки шести възрастен е засегнат от затлъстяване (затлъстяване). Тъй като затлъстяването увеличава риска от смърт и болести, това е една от централните заплахи за здравето на всички хора. Класическият индекс на телесна маса (ИТМ), съотношението на теглото към височината, все още е популярен инструмент за определяне на наднорменото тегло и затлъстяването. В асоциация на академичните изследвания и индустрията в Саксония, водена от учени от Дрезден, международен изследователски екип сега представя нова концепция за персонализирана прецизна медицина. С помощта на изкуствен интелект (ИИ) са идентифицирани редица липидни молекули, които съдържат много повече информация за затлъстяването, отколкото ИТМ.
Данни от 1000 оценени пациенти
Изследователи от Биотехнологичния център (BIOTEC) на TU Dresden и Lipotype GmbH, отделение на Института за молекулярна клетъчна биология и генетика Макс Планк в Дрезден, в международно сътрудничество с учени от университета в Лунд (Швеция) и Националния институт за здраве и благосъстояние (Финландия) се обединиха за критична преоценка на ИТМ на над 1000 пациенти. Международният изследователски екип използва усъвършенствани методи за изкуствен интелект, за да разработи алгоритъм, който използва липидния състав на човешката кръвна плазма като основа за оценка, така наречения плазмен липидом.
Метаболитни здравни показатели
Плазменият липидом съдържа стотици различни липидни молекули. „В своята цялост те служат като пръстов отпечатък на благосъстоянието като показатели за метаболитно здраве“, обяснява Матиас Герл от Lipotype. Такива липидомични данни са използвани за разработване на алгоритъма за определяне на ИТМ.
Високият индекс на телесна маса (ИТМ) е дори по-опасен, отколкото се смяташе досега: рискът от развитие на сърдечно-съдови заболявания се увеличава с увеличаване на теглото. При хората с наднормено тегло той е два пъти по-висок от този при хора с нормален ИТМ.
В сравнение с „традиционното измерване на ИТМ“, базирано на стоки за бита, липидомичните данни позволиха на новия алгоритъм да генерира молекулярен „липидомичен ИТМ“. Изчислението на ИТМ с помощта на липидомичния ИТМ разкрива, че за всеки седми пациент молекулярният ИТМ е значително по-висок от стойностите, определени преди това с традиционно измерване на ИТМ. В сравнение с традиционния ИТМ, липидомичният ИТМ също предоставя разширена информация за състоянието на затлъстяването, като например количеството на висцералната мастна тъкан, форма на мазнини, която е вредна за здравето.
Търсенето на многомерни показатели
„Ако пациент, който се нуждае от терапия за борба със затлъстяването, бъде изпратен вкъщи без лекарство или съвет, това може да доведе до дългосрочни щети“, казва Оле Меландер от университета в Лунд. „Това са точно пациентите, които внезапно получават инфаркт на 40-годишна възраст и оставят своите общопрактикуващи лекари на загуба“, коментира Карло Виторио Канистраци от BIOTEC (TU Dresden) и добавя: „Трябва да преодолеем това остаряло мнение, че един индикатор - как съотношението на теглото към височината - може да даде възможност за определяне на рисковете в сложни системи като хората. Компютърно подпомаганата биомедицина използва изкуствен интелект за определяне на многоизмерни показатели въз основа на много променливи, които увеличават точността на диагнозата. Така че се надявам традиционният ИТМ да бъде заменен с липидомичен ИТМ и че грешната класификация ще приключи за всеки седми пациент. "