Nieuw gegevensbesparend model voorspelt nauwkeurig individuele glykemische reacties

Nieuw gegevensbesparend model voorspelt nauwkeurig individuele glykemische reacties

Als u een tussendoortje eet, bijvoorbeeld een gehaktbal of een marshmallow, welke invloed heeft dit dan op uw bloedsuikerspiegel? Het is een verrassend moeilijke vraag: de glycemische reactie van het lichaam op verschillende voedingsmiddelen varieert afhankelijk van individuele genetica, microbiomen, hormonale schommelingen en meer. Om deze reden vereist het bieden van gepersonaliseerd voedingsadvies dat onder andere diabetes, obesitas en hart- en vaatziekten kan beheersen, kostbare en ingrijpende tests, waardoor het moeilijk wordt om effectieve zorg op grote schaal te leveren.

In een krant in deTijdschrift voor Diabeteswetenschap en -technologieOnderzoekers van het Stevens Institute of Technology bieden een nieuwe aanpak: een modelbesparingsmodel dat individuele glykemische reacties nauwkeurig kan voorspellen zonder de noodzaak van bloedafnames, ontlastingsmonsters of andere onaangename tests. De sleutel tot hun aanpak? Houd bij wat mensen daadwerkelijk eten.

Het klinkt misschien voor de hand liggend, maar tot nu toe heeft het meeste onderzoek zich geconcentreerd op macronutriënten zoals grammen koolhydraten in plaats van op het specifieke voedsel dat mensen eten. We hebben laten zien dat het door het analyseren van voedselsoorten mogelijk is om met veel minder gegevens zeer nauwkeurige voorspellingen te doen. “

Dr. Samantha Kleinberg, Color Chair hoogleraar computerwetenschappen

Het team van Dr. Kleinberg onderzocht twee datasets die zowel gedetailleerde voedingsdagboeken als continue glucosemonitorgegevens bevatten voor bijna 500 mensen met diabetes (zowel in de VS als in China). Met behulp van bestaande voedseldatabases en Chatgpt classificeerden ze elke maaltijd op basis van het gehalte aan macronutriënten en gebruikten ze ook de structuur van voedsel (vlees lijkt bijvoorbeeld meer op kaas), zodat ze onderscheid kunnen maken tussen qua voedingswaarde gelijkwaardige voedingsmiddelen.

Door een algoritme te trainen met behulp van voedingsgegevens en voedselkenmerken, evenals enkele demografische details, kon het team de glykemische respons van elke persoon op elk voedsel voorspellen met vrijwel dezelfde nauwkeurigheidsniveaus in eerdere onderzoeken die gedetailleerde microbioomgegevens en andere berekende informatie bevatten.

‘We weten het nog steeds nietWaarom"Het meenemen van voedselkenmerken maakt een groot verschil", zegt Dr. Kleinberg. Het is mogelijk dat voedselinformatie een proxy is voor micronutriënten die glycemische reacties veroorzaken, of dat de fysieke kenmerken van bepaalde voedingsmiddelen ervoor zorgen dat mensen ze anders eten of anders verteren.

Door zich te concentreren op voedselsoorten kon het team ook individuele variaties in de glycemische reacties onderzoeken. “Omdat mensen keer op keer dezelfde maaltijden eten, geven de gegevens ons inzicht in hoe individuele reacties op bepaald voedsel in de loop van de tijd veranderen”, legt Dr. Kleinberg uit. Het team ontdekte dat het opnemen van gegevens over menstruatiecycli in hun model verantwoordelijk was voor een groot deel van de variatie tussen proefpersonen, wat suggereert dat veranderende hormoonspiegels een belangrijke rol zouden kunnen spelen bij het mediëren van individuele glykemische reacties.

Het model van het team voorspelt ook nauwkeurig de glycemische respons voor zowel de Amerikaanse als de Chinese bevolking – een belangrijke bevinding omdat op het microbioom gebaseerde modellen vaak moeite hebben gehad om nauwkeurige resultaten te produceren in verschillende culturele contexten. “We hebben geen gegevens over een specifieke regionale populatie nodig om voorspellingen te doen”, legt Dr. Kleinberg uit.

Het nieuwe model is ook krachtig genoeg om de glykemische reacties van een persoon te voorspellen op basis van demografische gegevens zonder de noodzaak van op maat gemaakte training op basis van voedsellogboeken of andere gepersonaliseerde gegevens. Als gevolg hiervan zouden artsen het model mogelijk kunnen voeden om voedingsadvies te geven tijdens een eerste ontmoeting met een patiënt, zonder de noodzaak van omslachtige voedselprotocollen of opdringerige tests. “We kunnen betere aanbevelingen doen als we over meer gegevens beschikken, maar we kunnen zeer goede resultaten behalen zonder persoonlijke informatie”, legt dr. Kleinberg uit. “Dit betekent dat we patiënten meteen nuttig advies kunnen geven – en hopelijk zal dat hen motiveren om door te gaan.”

Vervolgens is het team van plan hun model te verfijnen met grotere datasets en te onderzoeken of het toevoegen van microbioomgegevens de nauwkeurigheid van hun model vergroot. "Dat is de grote vraag, want als alleen voedselinformatie ons alles geeft wat we nodig hebben, is het misschien niet nodig om ontlastingsmonsters te verzamelen of andere tests uit te voeren", zegt Dr. Kleinberg. “Dit zou gepersonaliseerde voeding voor iedereen betaalbaarder en toegankelijker kunnen maken.”

Bronnen: