Il nuovo modello di salvataggio dei dati prevede con precisione le risposte glicemiche individuali

Il nuovo modello di salvataggio dei dati prevede con precisione le risposte glicemiche individuali

Quando mangi uno spuntino, ad esempio una polpetta o un marshmallow, come influisce sul livello di zucchero nel sangue? È una domanda sorprendentemente difficile: la risposta glicemica del corpo ai diversi alimenti varia a seconda della genetica individuale, dei microbiomi, delle fluttuazioni ormonali e altro ancora. Per questo motivo, fornire consigli nutrizionali personalizzati in grado di gestire il diabete, l’obesità e le malattie cardiovascolari, tra gli altri, richiede test costosi e invasivi, rendendo difficile fornire cure efficaci su larga scala.

In un articolo delGiornale di scienza e tecnologia del diabeteI ricercatori dello Stevens Institute of Technology offrono un nuovo approccio: un modello di risparmio in grado di prevedere con precisione le risposte glicemiche individuali senza la necessità di prelievi di sangue, campioni di feci o altri test spiacevoli. La chiave del loro approccio? Tieni traccia di ciò che le persone mangiano effettivamente.

Può sembrare ovvio, ma finora la maggior parte della ricerca si è concentrata sui macronutrienti come i grammi di carboidrati invece che sugli alimenti specifici che le persone mangiano. Abbiamo dimostrato che analizzando i tipi di alimenti è possibile fare previsioni altamente accurate con molti meno dati. “

Dott.ssa Samantha Kleinberg, professoressa di informatica con cattedra di colore

Il team del Dr. Kleinberg ha esaminato due set di dati che includevano sia diari alimentari dettagliati che dati di monitoraggio continuo del glucosio per quasi 500 persone con diabete (sia negli Stati Uniti che in Cina). Utilizzando i database alimentari esistenti e Chatgpt, hanno classificato ogni pasto in base al contenuto di macronutrienti e hanno anche utilizzato la struttura degli alimenti (ad esempio, le carni sono più simili ai formaggi) in modo da poter distinguere tra alimenti nutrizionalmente equivalenti.

Addestrando un algoritmo utilizzando dati dietetici e caratteristiche degli alimenti, nonché alcuni dettagli demografici, il team è stato in grado di prevedere la risposta glicemica di ogni persona a ciascun alimento con praticamente gli stessi livelli di precisione degli studi precedenti che includevano dati dettagliati sul microbioma e altre informazioni calcolate.

“Ancora non lo sappiamoPerché"Includere le caratteristiche degli alimenti fa una grande differenza", afferma il dott. Kleinberg. È possibile che le informazioni sugli alimenti siano un indicatore dei micronutrienti che determinano le risposte glicemiche o che le caratteristiche fisiche di determinati alimenti inducano le persone a mangiarli o a digerirli in modo diverso.

Concentrandosi sui tipi di alimenti, il team è stato anche in grado di esaminare le variazioni individuali nelle risposte glicemiche. “Poiché le persone consumano gli stessi pasti più e più volte, i dati ci danno visibilità su come le risposte individuali a determinati alimenti cambiano nel tempo”, spiega il dott. Kleinberg. Il team ha scoperto che l’inclusione dei dati sui cicli mestruali nel loro modello rappresentava gran parte della variazione intra-soggetto, suggerendo che lo spostamento dei livelli ormonali potrebbe svolgere un ruolo importante nel mediare le risposte glicemiche individuali.

Il modello del team prevede inoltre con precisione la risposta glicemica sia per le popolazioni statunitensi che per quelle cinesi, una scoperta importante perché i modelli basati sul microbioma hanno spesso faticato a produrre risultati accurati in diversi contesti culturali. “Non abbiamo bisogno di dati su una popolazione regionale specifica per fare previsioni”, spiega il dott. Kleinberg.

Il nuovo modello è anche abbastanza potente da prevedere le risposte glicemiche di una persona sulla base dei dati demografici senza la necessità di una formazione su misura sui registri alimentari o altri dati personalizzati. Di conseguenza, i medici potrebbero potenzialmente alimentare il modello per fornire consigli nutrizionali durante un incontro iniziale con un paziente, senza la necessità di protocolli alimentari laboriosi o test intrusivi. "Possiamo fornire raccomandazioni migliori se disponiamo di più dati, ma possiamo ottenere ottimi risultati senza informazioni personali", spiega il dott. Kleinberg. “Ciò significa che possiamo dare subito ai pazienti consigli utili e, si spera, che ciò li motiverà ad andare avanti”.

Successivamente, il team prevede di perfezionare il proprio modello con set di dati più grandi ed esaminare se l’aggiunta di dati sul microbioma aumenta l’accuratezza del proprio modello. "Questa è la grande domanda, perché se le informazioni sugli alimenti da sole ci fornissero tutto ciò di cui abbiamo bisogno, potrebbe non esserci bisogno di raccogliere campioni di feci o fare altri test", afferma il dottor Kleinberg. “Ciò potrebbe rendere la nutrizione personalizzata più conveniente e accessibile a tutti”.

Fonti: