Ny databesparelsesmodel forudsiger nøjagtigt individuelle glykæmiske reaktioner

Ny databesparelsesmodel forudsiger nøjagtigt individuelle glykæmiske reaktioner

Når du spiser et mellemmåltid - en frikadelle, f.eks. eller en skumfidus - hvordan påvirker det dit blodsukker? Det er et overraskende svært spørgsmål: Kroppens glykæmiske reaktion på forskellige fødevarer varierer afhængigt af individuelle genetik, mikrobiomer, hormonelle udsving og mere. Af denne grund kræver personlig ernæringsrådgivning, der blandt andet kan håndtere diabetes, fedme og hjerte-kar-sygdomme, dyre og påtrængende tests, hvilket gør det vanskeligt at levere effektiv pleje i stor skala.

I et papir iJournal of Diabetes Science and TechnologyForskere ved Stevens Institute of Technology tilbyder en ny tilgang: en modelbesparelsesmodel, der nøjagtigt kan forudsige individuelle glykæmiske reaktioner uden behov for blodprøver, afføringsprøver eller andre ubehagelige tests. Nøglen til deres tilgang? Spor, hvad folk faktisk spiser.

Det lyder måske indlysende, men indtil videre har det meste forskning fokuseret på makronæringsstoffer som gram kulhydrater i stedet for de specifikke fødevarer, folk spiser. Vi har vist, at ved at analysere fødevaretyper er det muligt at lave meget præcise forudsigelser med langt færre data. “

Dr. Samantha Kleinberg, Color Chair professor i datalogi

Holdet af Dr. Kleinberg undersøgte to datasæt, der omfattede både detaljerede maddagbøger og kontinuerlige glukosemonitordata for næsten 500 personer med diabetes (i både USA og Kina). Ved at bruge eksisterende fødevaredatabaser og Chatgpt klassificerede de hvert måltid efter indhold af makronæringsstoffer og brugte også strukturen af ​​fødevarer (f.eks. minder kød mere om oste), så de kan skelne mellem ernæringsmæssigt ækvivalente fødevarer.

Ved at træne en algoritme ved hjælp af kostdata og fødevarekarakteristika, samt nogle demografiske detaljer, var holdet i stand til at forudsige hver persons glykæmiske respons på hver fødevare med stort set samme niveauer af nøjagtighed i tidligere undersøgelser, der inkluderede detaljerede mikrobiomdata og anden beregnet information.

"Vi ved det stadig ikkeHvorfor"Inklusive madkarakteristika gør en stor forskel," siger Dr. Kleinberg. Det er muligt, at fødevareinformation er en proxy for mikronæringsstoffer, der driver glykæmiske reaktioner, eller at de fysiske egenskaber ved visse fødevarer får folk til at spise dem anderledes eller fordøje dem anderledes.

Ved at fokusere på fødevaretyper var holdet også i stand til at undersøge individuelle variationer i glykæmiske reaktioner. "Fordi folk spiser de samme måltider igen og igen, giver dataene os overblik over, hvordan individuelle reaktioner på visse fødevarer ændrer sig over tid," forklarer Dr. Kleinberg. Holdet fandt ud af, at inkluderende data om menstruationscyklusser i deres model tegnede sig for meget af variationen inden for individet, hvilket tyder på, at skiftende hormonniveauer kunne spille en vigtig rolle i at mediere individuelle glykæmiske reaktioner.

Holdets model forudsiger også nøjagtigt glykæmisk respons for både den amerikanske og kinesiske befolkning - et vigtigt fund, fordi mikrobiom-baserede modeller ofte har kæmpet for at producere nøjagtige resultater i forskellige kulturelle sammenhænge. "Vi har ikke brug for data om en specifik regional befolkning for at lave forudsigelser," forklarer Dr. Kleinberg.

Den nye model er også kraftfuld nok til at forudsige en persons glykæmiske reaktioner baseret på demografiske data uden behov for skræddersyet træning i fødevarelogfiler eller andre personlige data. Som et resultat heraf kunne klinikere potentielt nære modellen til at give ernæringsrådgivning under et indledende møde med en patient, uden behov for besværlige fødevareprotokoller eller påtrængende testning. "Vi kan komme med bedre anbefalinger, hvis vi har flere data, men vi kan få meget gode resultater uden personlige oplysninger," forklarer Dr. Kleinberg. "Det betyder, at vi kan give patienter nyttige råd med det samme - og forhåbentlig vil det motivere dem til at fortsætte."

Dernæst planlægger teamet at forfine deres model med større datasæt og undersøge, om tilføjelse af mikrobiomdata øger nøjagtigheden af ​​deres model. "Det er det store spørgsmål, for hvis fødevareinformation alene giver os alt, hvad vi har brug for, er der måske ikke behov for at indsamle afføringsprøver eller lave andre test," siger Dr. Kleinberg. "Dette kunne gøre personlig ernæring mere overkommelig og tilgængelig for alle."

Kilder: