Jaunais datu saglabāšanas modelis precīzi paredz individuālās glikēmijas reakcijas

Jaunais datu saglabāšanas modelis precīzi paredz individuālās glikēmijas reakcijas

Kad tu ēd kādu uzkodu — piemēram, kotletīti vai zefīru —, kā tas ietekmē cukura līmeni asinīs? Tas ir pārsteidzoši grūts jautājums: ķermeņa glikēmiskā reakcija uz dažādiem pārtikas produktiem atšķiras atkarībā no individuālās ģenētikas, mikrobiomām, hormonālām svārstībām un daudz ko citu. Šī iemesla dēļ, lai sniegtu personalizētus uztura padomus, kas cita starpā var pārvaldīt diabētu, aptaukošanos un sirds un asinsvadu slimības, ir nepieciešamas dārgas un uzmācīgas pārbaudes, kas apgrūtina efektīvas aprūpes sniegšanu mērogā.

Papīrā, kas publicētsDiabēta zinātnes un tehnoloģiju žurnālsStīvensa Tehnoloģiju institūta pētnieki piedāvā jaunu pieeju: modeļa ietaupījumu modeli, kas var precīzi paredzēt individuālās glikēmijas reakcijas bez nepieciešamības veikt asins ņemšanu, izkārnījumu paraugus vai citus nepatīkamus testus. Viņu pieejas atslēga? Izsekojiet, ko cilvēki patiesībā ēd.

Tas var izklausīties acīmredzami, taču līdz šim lielākā daļa pētījumu ir vērsti uz makroelementiem, piemēram, gramiem ogļhidrātu, nevis uz konkrētiem pārtikas produktiem, ko cilvēki ēd. Mēs esam parādījuši, ka, analizējot pārtikas veidus, ir iespējams veikt ļoti precīzas prognozes, izmantojot daudz mazāk datu. "

Dr. Samanta Kleinberga, krāsu katedras profesore datorzinātnēs

Dr. Kleinberga komanda pārbaudīja divas datu kopas, kas ietvēra gan detalizētas pārtikas dienasgrāmatas, gan nepārtrauktus glikozes monitora datus par gandrīz 500 cilvēkiem ar cukura diabētu (gan ASV, gan Ķīnā). Izmantojot esošās pārtikas datu bāzes un Chatgpt, viņi klasificēja katru maltīti pēc makroelementu satura un izmantoja arī pārtikas produktu struktūru (piemēram, gaļa ir vairāk līdzīga sieram), lai varētu atšķirt uzturvērtības ziņā līdzvērtīgus pārtikas produktus.

Apmācot algoritmu, izmantojot uztura datus un pārtikas raksturlielumus, kā arī dažas demogrāfiskas detaļas, komanda spēja paredzēt katras personas glikēmisko reakciju uz katru pārtiku ar praktiski tādu pašu precizitātes līmeni iepriekšējos pētījumos, kas ietvēra detalizētus mikrobiomas datus un citu aprēķināto informāciju.

"Mēs joprojām nezināmKāpēc"Ietverot pārtikas īpašības, ir liela atšķirība," saka Dr Kleinberg. Iespējams, ka informācija par pārtiku ir mikroelementu aizstājējs, kas veicina glikēmisko reakciju, vai ka noteiktu pārtikas produktu fiziskās īpašības liek cilvēkiem tos ēst citādi vai citādi sagremot.

Koncentrējoties uz pārtikas veidiem, komanda varēja arī pārbaudīt individuālās glikēmijas reakcijas variācijas. "Tā kā cilvēki atkal un atkal ēd vienas un tās pašas maltītes, dati sniedz mums redzamību, kā laika gaitā mainās individuālā reakcija uz noteiktiem pārtikas produktiem," skaidro Dr. Kleinbergs. Komanda atklāja, ka datu par menstruālo ciklu iekļaušana modelī veido lielu daļu no subjekta iekšējās variācijas, kas liecina, ka hormonu līmeņa maiņai varētu būt svarīga loma individuālo glikēmisko reakciju starpniecībā.

Komandas modelis arī precīzi prognozē glikēmisko reakciju gan ASV, gan Ķīnas populācijām, kas ir svarīgs atklājums, jo uz mikrobiomu balstīti modeļi bieži ir cīnījušies, lai iegūtu precīzus rezultātus dažādos kultūras kontekstos. "Lai veiktu prognozes, mums nav nepieciešami dati par konkrētu reģionālo iedzīvotāju skaitu," skaidro Dr. Kleinbergs.

Jaunais modelis ir arī pietiekami jaudīgs, lai prognozētu cilvēka glikēmiskās reakcijas, pamatojoties uz demogrāfiskajiem datiem, bez nepieciešamības pēc pielāgotas apmācības par pārtikas žurnāliem vai citiem personalizētiem datiem. Tā rezultātā klīnicisti varētu potenciāli barot modeli, lai sākotnējās tikšanās laikā ar pacientu sniegtu padomus par uzturu, bez nepieciešamības pēc darbietilpīgiem pārtikas protokoliem vai uzmācīgas pārbaudes. "Mēs varam sniegt labākus ieteikumus, ja mums ir vairāk datu, bet mēs varam iegūt ļoti labus rezultātus bez personas informācijas," skaidro Dr. Kleinbergs. "Tas nozīmē, ka mēs varam nekavējoties sniegt pacientiem noderīgus padomus, un, cerams, tas motivēs viņus turpināt."

Pēc tam komanda plāno pilnveidot savu modeli ar lielākām datu kopām un pārbaudīt, vai mikrobioma datu pievienošana palielina modeļa precizitāti. "Tas ir lielais jautājums, jo, ja pārtikas informācija vien sniedz mums visu, kas mums nepieciešams, var nebūt vajadzības vākt izkārnījumu paraugus vai veikt citus testus," saka Dr Kleinberg. "Tas varētu padarīt personalizētu uzturu pieejamāku un pieejamāku ikvienam."

Avoti: