Nov model shranjevanja podatkov natančno napove posamezne glikemične odzive

Nov model shranjevanja podatkov natančno napove posamezne glikemične odzive

Ko pojeste prigrizek – recimo mesno kroglico ali marshmallow – kako to vpliva na vaš krvni sladkor? To je presenetljivo težko vprašanje: glikemični odziv telesa na različna živila se razlikuje glede na posamezno genetiko, mikrobiome, hormonska nihanja in drugo. Iz tega razloga zagotavljanje prilagojenih prehranskih nasvetov, ki lahko med drugim obvladujejo sladkorno bolezen, debelost in kardiovaskularne bolezni, zahteva drago in vsiljivo testiranje, zaradi česar je težko zagotoviti učinkovito oskrbo v velikem obsegu.

V prispevku vJournal of Diabetes Science and TechnologyRaziskovalci na Tehnološkem inštitutu Stevens ponujajo nov pristop: model varčevanja, ki lahko natančno napove posamezne glikemične odzive brez potrebe po odvzemih krvi, vzorcih blata ali drugih neprijetnih testih. Ključ do njihovega pristopa? Spremljajte, kaj ljudje dejansko jedo.

Morda se sliši očitno, vendar se je doslej večina raziskav osredotočala na makrohranila, kot so grami ogljikovih hidratov, namesto na določeno hrano, ki jo ljudje uživajo. Pokazali smo, da je z analizo vrst hrane mogoče narediti zelo natančne napovedi z veliko manj podatki. “

Dr. Samantha Kleinberg, profesorica računalništva za barvno katedro

Skupina dr. Kleinberga je pregledala dva niza podatkov, ki sta vključevala tako podrobne dnevnike hrane kot podatke o neprekinjenem spremljanju glukoze za skoraj 500 ljudi s sladkorno boleznijo (tako v ZDA kot na Kitajskem). S pomočjo obstoječih podatkovnih zbirk živil in Chatgpt so vsak obrok razvrstili po vsebnosti makrohranil in uporabili tudi strukturo živil (meso je na primer bolj podobno sirom), da lahko razlikujejo med prehransko enakovredno hrano.

Z usposabljanjem algoritma z uporabo prehranskih podatkov in značilnosti živil ter nekaterih demografskih podrobnosti je ekipa lahko predvidela glikemični odziv vsake osebe na posamezno hrano s skoraj enakimi stopnjami natančnosti v prejšnjih študijah, ki so vključevale podrobne podatke o mikrobiomu in druge izračunane informacije.

»Še vedno ne vemozakaj"Vključitev značilnosti hrane je velika razlika," pravi dr. Kleinberg. Možno je, da so informacije o hrani približek za mikrohranila, ki spodbujajo glikemične odzive, ali da fizikalne lastnosti nekaterih živil povzročajo, da jih ljudje jedo drugače ali prebavljajo drugače.

Z osredotočanjem na vrste hrane je ekipa lahko preučila tudi posamezne razlike v glikemičnih odzivih. »Ker ljudje vedno znova jedo iste obroke, nam podatki dajejo vpogled v to, kako se posamezni odzivi na določeno hrano spreminjajo skozi čas,« pojasnjuje dr. Kleinberg. Skupina je ugotovila, da je vključitev podatkov o menstrualnih ciklih v njihov model predstavljala velik del variacij znotraj subjekta, kar kaže na to, da bi lahko spreminjanje ravni hormonov igralo pomembno vlogo pri posredovanju posameznih glikemičnih odzivov.

Model ekipe tudi natančno napove glikemični odziv tako za ameriško kot kitajsko populacijo - pomembna ugotovitev, ker so modeli, ki temeljijo na mikrobiomu, pogosto imeli težave pri ustvarjanju natančnih rezultatov v različnih kulturnih kontekstih. »Za napovedi ne potrebujemo podatkov o določeni regionalni populaciji,« pojasnjuje dr. Kleinberg.

Novi model je tudi dovolj zmogljiv, da na podlagi demografskih podatkov napove posameznikove glikemične odzive brez potrebe po prilagojenem usposabljanju na podlagi dnevnikov hrane ali drugih personaliziranih podatkov. Posledično bi zdravniki potencialno lahko negovali model za zagotavljanje prehranskih nasvetov med začetnim srečanjem s pacientom, brez potrebe po napornih protokolih za hrano ali vsiljivem testiranju. »Če imamo več podatkov, lahko damo boljša priporočila, vendar lahko dobimo zelo dobre rezultate brez osebnih podatkov,« pojasnjuje dr. Kleinberg. "To pomeni, da lahko bolnikom takoj damo uporabne nasvete - in upamo, da jih bo to motiviralo, da nadaljujejo."

Nato namerava ekipa izboljšati svoj model z večjimi nabori podatkov in preveriti, ali dodajanje podatkov o mikrobiomu poveča natančnost njihovega modela. "To je veliko vprašanje, kajti če nam same informacije o hrani dajo vse, kar potrebujemo, morda ne bo treba zbirati vzorcev blata ali opravljati drugih testov," pravi dr. Kleinberg. "To bi lahko naredilo prilagojeno prehrano bolj dostopno in dostopno vsem."

Viri: