Novi model za uštedu podataka točno predviđa pojedinačne glikemijske odgovore

Novi model za uštedu podataka točno predviđa pojedinačne glikemijske odgovore

Kada pojedete međuobrok - recimo mesnu okruglicu ili marshmallow - kako to utječe na vaš šećer u krvi? To je iznenađujuće teško pitanje: glikemijski odgovor tijela na različite namirnice varira ovisno o individualnoj genetici, mikrobiomima, hormonskim fluktuacijama i još mnogo toga. Iz tog razloga, pružanje personaliziranih prehrambenih savjeta koji mogu upravljati dijabetesom, pretilošću i kardiovaskularnim bolestima, između ostalog, zahtijeva skupa i intruzivna testiranja, što otežava pružanje učinkovite skrbi na velikom broju.

U radu uJournal of Diabetes Science and TechnologyIstraživači sa Stevens Institute of Technology nude novi pristup: model uštede modela koji može točno predvidjeti pojedinačne glikemijske odgovore bez potrebe za vađenjem krvi, uzorkovanjem stolice ili drugim neugodnim testovima. Ključ njihovog pristupa? Pratite što ljudi zapravo jedu.

Možda zvuči očito, ali dosad se većina istraživanja usredotočila na makronutrijente poput grama ugljikohidrata umjesto na određenu hranu koju ljudi jedu. Pokazali smo da je analizom vrsta hrane moguće napraviti vrlo precizna predviđanja s daleko manje podataka. “

Dr. Samantha Kleinberg, profesorica informatike u boji

Tim dr. Kleinberga ispitao je dva skupa podataka koji su uključivali i detaljne dnevnike ishrane i podatke kontinuiranog praćenja glukoze za gotovo 500 osoba s dijabetesom (u SAD-u i Kini). Koristeći postojeće baze podataka o hrani i Chatgpt, klasificirali su svaki obrok prema sadržaju makronutrijenata i također koristili strukturu namirnica (primjerice, meso je sličnije sirevima) kako bi mogli razlikovati nutricionistički ekvivalentnu hranu.

Uvježbavanjem algoritma korištenjem podataka o prehrani i karakteristikama hrane, kao i nekih demografskih detalja, tim je uspio predvidjeti glikemijski odgovor svake osobe na svaku hranu s gotovo istim razinama točnosti u prethodnim studijama koje su uključivale detaljne podatke o mikrobiomu i druge izračunate informacije.

“Još uvijek ne znamoZašto"Uključivanje karakteristika hrane čini veliku razliku", kaže dr. Kleinberg. Moguće je da su informacije o hrani zamjena za mikronutrijente koji pokreću glikemijske reakcije ili da fizičke karakteristike određene hrane uzrokuju da je ljudi jedu drugačije ili probavljaju drugačije.

Usredotočujući se na vrste hrane, tim je također mogao ispitati pojedinačne varijacije u glikemijskim odgovorima. “Budući da ljudi uvijek iznova jedu iste obroke, podaci nam daju uvid u to kako se individualni odgovori na određenu hranu mijenjaju tijekom vremena,” objašnjava dr. Kleinberg. Tim je otkrio da je uključivanje podataka o menstrualnim ciklusima u njihov model odgovorno za veći dio varijacija unutar subjekta, što sugerira da bi pomicanje razine hormona moglo igrati važnu ulogu u posredovanju individualnih glikemijskih odgovora.

Model tima također točno predviđa glikemijski odgovor i za američku i za kinesku populaciju - što je važno otkriće jer su modeli temeljeni na mikrobiomu često imali problema s dobivanjem točnih rezultata u različitim kulturnim kontekstima. "Ne trebaju nam podaci o određenoj regionalnoj populaciji da bismo dali predviđanja", objašnjava dr. Kleinberg.

Novi model također je dovoljno moćan da predvidi nečije glikemijske odgovore na temelju demografskih podataka bez potrebe za prilagođenom obukom o zapisima o hrani ili drugim personaliziranim podacima. Kao rezultat toga, kliničari bi potencijalno mogli njegovati model za pružanje prehrambenih savjeta tijekom prvog sastanka s pacijentom, bez potrebe za napornim protokolima o hrani ili nametljivim testiranjem. "Možemo dati bolje preporuke ako imamo više podataka, ali možemo dobiti vrlo dobre rezultate bez osobnih podataka", objašnjava dr. Kleinberg. "To znači da pacijentima možemo odmah dati korisne savjete - i nadamo se da će ih to motivirati da nastave."

Zatim, tim planira poboljšati svoj model s većim skupovima podataka i ispitati povećava li dodavanje podataka mikrobioma točnost njihovog modela. "To je veliko pitanje, jer ako nam same informacije o hrani daju sve što trebamo, možda neće biti potrebe za prikupljanjem uzoraka stolice ili drugim testovima", kaže dr. Kleinberg. "To bi personaliziranu prehranu moglo učiniti pristupačnijom i pristupačnijom svima."

Izvori: