Az új adatmentési modell pontosan előrejelzi az egyéni glikémiás válaszokat

Az új adatmentési modell pontosan előrejelzi az egyéni glikémiás válaszokat

Ha megeszel egy falatot – mondjuk egy fasírtot vagy egy mályvacukrot –, hogyan befolyásolja a vércukorszintet? Meglepően nehéz kérdés: a szervezet glikémiás reakciója a különböző élelmiszerekre az egyéni genetikától, mikrobiomoktól, hormonális ingadozásoktól és egyebektől függően változik. Emiatt a többek között a cukorbetegség, az elhízás és a szív- és érrendszeri betegségek kezelésére szolgáló, személyre szabott táplálkozási tanácsadás költséges és tolakodó tesztelést igényel, ami megnehezíti a hatékony, széles körű ellátást.

Egy újságban aJournal of Diabetes Science and TechnologyA Stevens Institute of Technology kutatói új megközelítést kínálnak: egy modell-megtakarítási modellt, amely pontosan képes előre jelezni az egyéni glikémiás reakciókat anélkül, hogy vérvételre, székletmintára vagy más kellemetlen tesztre lenne szükség. A megközelítésük kulcsa? Kövesse nyomon, hogy az emberek valójában mit esznek.

Nyilvánvalóan hangzik, de eddig a legtöbb kutatás olyan makrotápanyagokra összpontosított, mint a szénhidrátok grammjai, nem pedig az emberek által fogyasztott élelmiszerek. Megmutattuk, hogy az élelmiszertípusok elemzésével sokkal kevesebb adattal lehet rendkívül pontos előrejelzéseket készíteni. "

Dr. Samantha Kleinberg, a számítástechnika színes tanszékének professzora

Dr. Kleinberg csapata két olyan adatsort vizsgált meg, amelyek részletes étkezési naplókat és folyamatos glükózmonitorozási adatokat is tartalmaztak közel 500 cukorbeteg emberről (az Egyesült Államokban és Kínában egyaránt). A meglévő élelmiszer-adatbázisok és a Chatgpt segítségével az egyes ételeket makrotápanyag-tartalom szerint osztályozták, és felhasználták az élelmiszerek szerkezetét is (például a húsok jobban hasonlítanak a sajtokhoz), hogy különbséget tudjanak tenni a táplálkozási szempontból egyenértékű élelmiszerek között.

Az étrendi adatok és az élelmiszer-jellemzők, valamint néhány demográfiai részlet felhasználásával egy algoritmus betanításával a csapat gyakorlatilag ugyanolyan pontossággal tudta megjósolni az egyes személyek glikémiás válaszát az egyes élelmiszerekre, mint a korábbi vizsgálatokban, amelyek részletes mikrobiomadatokat és egyéb számított információkat tartalmaztak.

„Még mindig nem tudjukMiért"Az élelmiszerek jellemzőinek figyelembevétele nagy különbséget jelent" - mondja Dr. Kleinberg. Lehetséges, hogy az élelmiszerekkel kapcsolatos információk a glikémiás válaszokat előidéző ​​mikrotápanyagok helyettesítői, vagy bizonyos élelmiszerek fizikai jellemzői miatt az emberek másképp eszik vagy emésztik meg őket.

Az élelmiszertípusokra összpontosítva a csapat a glikémiás válaszok egyéni eltéréseit is megvizsgálhatta. „Mivel az emberek újra és újra ugyanazokat az ételeket eszik, az adatok rálátást adnak arra, hogy bizonyos ételekre adott egyéni reakciók hogyan változnak idővel” – magyarázza Dr. Kleinberg. A csapat azt találta, hogy a menstruációs ciklusokra vonatkozó adatok bevonása modelljükbe az alanyon belüli eltérések nagy részét okozta, ami arra utal, hogy a hormonszintek eltolódása fontos szerepet játszhat az egyéni glikémiás válaszok közvetítésében.

A csapat modellje pontosan előrejelzi a glikémiás reakciót mind az amerikai, mind a kínai populáció esetében – ez azért fontos megállapítás, mert a mikrobióm-alapú modellek gyakran küzdöttek azért, hogy pontos eredményeket adjanak különböző kulturális kontextusokban. „Nincs szükségünk egy adott regionális lakosságra vonatkozó adatokra ahhoz, hogy előrejelzéseket készítsünk” – magyarázza Dr. Kleinberg.

Az új modell elég erős ahhoz is, hogy a demográfiai adatok alapján előre jelezze egy személy glikémiás reakcióit anélkül, hogy személyre szabott képzést kellene készíteni az étkezési naplókról vagy más személyre szabott adatokról. Ennek eredményeként a klinikusok potenciálisan táplálhatják a modellt, hogy táplálkozási tanácsokat adhassanak a pácienssel való kezdeti találkozás során, anélkül, hogy fáradságos étkezési protokollokra vagy tolakodó vizsgálatokra lenne szükségük. „Jobb ajánlásokat tehetünk, ha több adatunk van, de nagyon jó eredményeket érhetünk el személyes adatok nélkül” – magyarázza Dr. Kleinberg. "Ez azt jelenti, hogy azonnal hasznos tanácsokat adhatunk a betegeknek – és remélhetőleg ez motiválja őket a folytatásra."

Ezután a csapat azt tervezi, hogy nagyobb adatkészletekkel finomítja modelljét, és megvizsgálja, hogy a mikrobióm adatok hozzáadása növeli-e a modelljük pontosságát. "Ez a nagy kérdés, mert ha az élelmiszerekkel kapcsolatos információk önmagukban mindent megadnak, amire szükségünk van, akkor előfordulhat, hogy nincs szükség székletminta gyűjtésére vagy egyéb vizsgálatok elvégzésére" - mondja Dr. Kleinberg. "Ez mindenki számára megfizethetőbbé és elérhetőbbé teheti a személyre szabott táplálkozást."

Források: