Новият модел за запазване на данни прогнозира точно индивидуалните гликемични реакции

Новият модел за запазване на данни прогнозира точно индивидуалните гликемични реакции

Когато ядете лека закуска - кюфте, да речем, или маршмелоу - как това се отразява на кръвната ви захар? Това е изненадващо труден въпрос: гликемичният отговор на тялото към различните храни варира в зависимост от индивидуалната генетика, микробиоми, хормонални колебания и др. Поради тази причина предоставянето на персонализирани хранителни съвети, които могат да управляват диабет, затлъстяване и сърдечно-съдови заболявания, наред с други, изисква скъпи и натрапчиви тестове, което затруднява предоставянето на ефективна грижа в мащаб.

В статия вJournal of Diabetes Science and TechnologyИзследователи от Технологичния институт на Стивънс предлагат нов подход: модел на спестявания, който може точно да предвиди индивидуалните гликемични реакции без необходимост от вземане на кръв, проби от изпражнения или други неприятни тестове. Ключът към техния подход? Проследете какво всъщност ядат хората.

Може да звучи очевидно, но досега повечето изследвания са фокусирани върху макронутриенти като грамове въглехидрати, вместо върху специфичните храни, които хората ядат. Ние показахме, че чрез анализиране на видове храни е възможно да се правят много точни прогнози с много по-малко данни. “

Д-р Саманта Клайнбърг, професор по компютърни науки в цветния стол

Екипът на д-р Клайнберг изследва два набора от данни, които включват както подробни дневници за храна, така и данни за непрекъснат глюкозен монитор за близо 500 души с диабет (както в САЩ, така и в Китай). Използвайки съществуващи бази данни за храни и Chatgpt, те класифицираха всяко хранене по съдържание на макронутриенти и също така използваха структурата на храните (например месата са по-сходни със сирената), така че да могат да правят разлика между хранително еквивалентни храни.

Чрез обучение на алгоритъм, използващ диетични данни и характеристики на храните, както и някои демографски подробности, екипът успя да предвиди гликемичния отговор на всеки човек към всяка храна с почти същите нива на точност в предишни проучвания, които включваха подробни данни за микробиома и друга изчислена информация.

„Все още не знаемзащо„Включването на характеристиките на храната прави голяма разлика“, казва д-р Клайнберг. Възможно е информацията за храните да е заместител на микроелементите, които стимулират гликемичните реакции, или че физическите характеристики на определени храни карат хората да ги ядат по различен начин или да ги усвояват по различен начин.

Фокусирайки се върху видовете храни, екипът също успя да изследва индивидуалните вариации в гликемичните отговори. „Тъй като хората ядат едни и същи ястия отново и отново, данните ни дават видимост за това как индивидуалните реакции към определени храни се променят с времето“, обяснява д-р Клайнберг. Екипът откри, че включването на данни за менструалните цикли в техния модел отчита голяма част от вариациите в рамките на субекта, което предполага, че променящите се хормонални нива могат да играят важна роля в медиирането на индивидуалните гликемични отговори.

Моделът на екипа също точно прогнозира гликемичния отговор както за населението на САЩ, така и за китайското население - важно откритие, тъй като моделите, базирани на микробиоми, често се борят да дадат точни резултати в различни културни контексти. „Нямаме нужда от данни за конкретно регионално население, за да правим прогнози“, обяснява д-р Клайнберг.

Новият модел също така е достатъчно мощен, за да предскаже гликемичния отговор на дадено лице въз основа на демографски данни, без да е необходимо специално обучение за хранителни дневници или други персонализирани данни. В резултат на това клиницистите биха могли потенциално да подхранват модела, за да предоставят хранителни съвети по време на първоначална среща с пациент, без необходимост от трудоемки хранителни протоколи или натрапчиви тестове. „Можем да направим по-добри препоръки, ако имаме повече данни, но можем да получим много добри резултати без лична информация“, обяснява д-р Клайнберг. „Това означава, че можем да дадем полезни съвети на пациентите веднага – и се надяваме, че това ще ги мотивира да продължат напред.“

След това екипът планира да усъвършенства своя модел с по-големи набори от данни и да проучи дали добавянето на данни за микробиома повишава точността на техния модел. „Това е големият въпрос, защото ако информацията за храните сама по себе си ни дава всичко, от което се нуждаем, може да няма нужда да събираме проби от изпражнения или да правим други тестове“, казва д-р Клайнберг. „Това може да направи персонализираното хранене по-достъпно и достъпно за всеки.“

източници: