Νέο μοντέλο τεχνητής νοημοσύνης εντοπίζει τον κίνδυνο διαβήτη πριν εμφανιστούν μη φυσιολογικά αποτελέσματα εξετάσεων

Εκατομμύρια άνθρωποι μπορεί να μην γνωρίζουν τον πρώιμο κίνδυνο διαβήτη που διατρέχουν. Τα μοντέλα τεχνητής νοημοσύνης δείχνουν γιατί οι αιχμές του σακχάρου στο αίμα σας μπορεί να έχουν μεγαλύτερη σημασία από τα αποτελέσματα των εξετάσεών σας.

Σε πρόσφατη δημοσίευση στο περιοδικό Nature Medicine, οι ερευνητές ανέλυσαν δεδομένα από περισσότερα από 2.400 άτομα σε δύο ομάδες για να εντοπίσουν πρότυπα αιχμών γλυκόζης και να αναπτύξουν εξατομικευμένα προφίλ γλυκαιμικού κινδύνου.

Βρήκαν σημαντικές διαφορές στα πρότυπα αιχμής της γλυκόζης μεταξύ ατόμων με διαβήτη τύπου 2 (ΣΔΤ2) και ατόμων με προδιαβήτη ή νορμογλυκαιμία. Το πολυτροπικό μοντέλο κινδύνου που δημιούργησαν θα μπορούσε να βοηθήσει τους γιατρούς να εντοπίσουν τους προδιαβητικούς που διατρέχουν υψηλότερο κίνδυνο ανάπτυξης ΣΔΤ2.

Τα άτομα με ΣΔ2 παρουσίασαν πιο σοβαρή νυχτερινή υπογλυκαιμία και χρειάστηκαν περισσότερο χρόνο, κατά μέσο όρο περισσότερο από 20 λεπτά, για να επιστρέψουν στα αρχικά επίπεδα γλυκόζης μετά από αιχμές - υποδηλώνοντας βασικές φυσιολογικές διαφορές.

Ο διαβήτης και ο προδιαβήτης επηρεάζουν ένα σημαντικό ποσοστό του ενήλικου πληθυσμού των ΗΠΑ, ωστόσο οι τυπικές διαγνωστικές εξετάσεις όπως η γλυκοζυλιωμένη αιμοσφαιρίνη (HbA1c) και η γλυκόζη νηστείας δεν αποτυπώνουν την πλήρη πολυπλοκότητα της ρύθμισης της γλυκόζης.

Πολλοί παράγοντες - το στρες, η σύνθεση του μικροβιώματος, ο ύπνος, η σωματική δραστηριότητα, η γενετική, η διατροφή και η ηλικία - μπορούν να επηρεάσουν τις διακυμάνσεις της γλυκόζης στο αίμα, ιδιαίτερα τις μεταγευματικές αιχμές (που ορίζονται ως αυξήσεις τουλάχιστον 30 mg/dL εντός 90 λεπτών), οι οποίες εμφανίζονται ακόμη και σε φαινομενικά υγιείς ανθρώπους.

Προηγουμένως, αυτές οι διακυμάνσεις είχαν μελετηθεί χρησιμοποιώντας συνεχή παρακολούθηση γλυκόζης (CGM), αλλά η κάλυψή τους συχνά περιοριζόταν σε προδιαβητικά και νορμογλυκαιμικά άτομα, και οι μελέτες συχνά δεν είχαν εκπροσώπηση ιστορικά υποεκπροσωπούμενων ομάδων στη βιοϊατρική έρευνα.

Για να αντιμετωπιστεί αυτό το κενό, η μελέτη PROGRESS διεξήγαγε μια εθνική, εξ αποστάσεως κλινική δοκιμή στην οποία συμμετείχαν 1.137 διαφορετικοί συμμετέχοντες (48,1% από ομάδες που ιστορικά υποεκπροσωπούνταν στη βιοϊατρική έρευνα) με νορμογλυκαιμία και διαβήτη τύπου 2 σε διάστημα 10 ημερών CGM, ενώ παράλληλα συνέλεξε δεδομένα σχετικά με τη σύνθεση του μικροβιώματος, τη γονιδιωματική, τον καρδιακό ρυθμό, τον ύπνο, τη διατροφή και τη δραστηριότητα.

Αυτή η πολυτροπική προσέγγιση επέτρεψε μια πιο λεπτομερή κατανόηση του γλυκαιμικού ελέγχου και της διατομικής μεταβλητότητας στις διακυμάνσεις της γλυκόζης.

Στόχος της μελέτης ήταν η δημιουργία ολοκληρωμένων προφίλ γλυκαιμικού κινδύνου που θα μπορούσαν να βελτιώσουν την έγκαιρη ανίχνευση και παρέμβαση για τους προδιαβητικούς που διατρέχουν κίνδυνο εξέλιξης σε διαβήτη, προσφέροντας μια εξατομικευμένη εναλλακτική λύση στα παραδοσιακά διαγνωστικά μέτρα όπως η HbA1c.

Οι ερευνητές χρησιμοποίησαν δεδομένα από δύο ομάδες: την PROGRESS (ψηφιακή κλινική δοκιμή στις ΗΠΑ) και την HPP (παρατηρητική μελέτη στο Ισραήλ). Στην PROGRESS συμμετείχαν ενήλικες με και χωρίς διαβήτη τύπου 2 που υποβλήθηκαν σε 10 ημέρες CGM, ενώ ταυτόχρονα συνέλεγαν δεδομένα για το μικροβίωμα του εντέρου, τη γονιδιωματική, τον καρδιακό ρυθμό, τον ύπνο, τη διατροφή και τη δραστηριότητα.

Η ποικιλομορφία του εντερικού μικροβιώματος (δείκτης Shannon) έδειξε άμεση αρνητική συσχέτιση με τα μέσα επίπεδα γλυκόζης: όσο λιγότερο ποικιλόμορφο είναι το μικροβίωμα, τόσο χειρότερος είναι ο έλεγχος της γλυκόζης σε όλες τις ομάδες.

Οι συμμετέχοντες συνέλεξαν επίσης δείγματα κοπράνων, αίματος και σάλιου στο σπίτι και κοινοποίησαν τα ηλεκτρονικά ιατρικά τους αρχεία. Τα κριτήρια αποκλεισμού περιελάμβαναν την πρόσφατη χρήση αντιβιοτικών, την εγκυμοσύνη, τον διαβήτη τύπου 1 και άλλους παράγοντες που θα μπορούσαν να επηρεάσουν τα δεδομένα CGM ή τα μεταβολικά δεδομένα. Η στρατολόγηση συμμετεχόντων πραγματοποιήθηκε εξ ολοκλήρου εξ αποστάσεως μέσω των μέσων κοινωνικής δικτύωσης και προσκλήσεων με βάση τα ηλεκτρονικά ιατρικά αρχεία.

Τα δεδομένα CGM υποβλήθηκαν σε επεξεργασία σε λεπτά διαστήματα και οι αιχμές γλυκόζης ορίστηκαν χρησιμοποιώντας προκαθορισμένα όρια. Υπολογίστηκαν έξι βασικές γλυκαιμικές μετρήσεις, συμπεριλαμβανομένης της μέσης γλυκόζης, του χρόνου υπεργλυκαιμίας και της διάρκειας της αιχμής.

Τα δεδομένα για τον τρόπο ζωής συλλέχθηκαν χρησιμοποιώντας μια εφαρμογή ημερολογίου τροφίμων και φορητές συσκευές παρακολούθησης. Τα γονιδιωματικά και μικροβιωματικά δεδομένα αναλύθηκαν χρησιμοποιώντας τυπικές μεθόδους και υπολογίστηκαν σύνθετες μετρήσεις όπως οι βαθμολογίες πολυγονιδιακού κινδύνου και οι δείκτες ποικιλομορφίας μικροβιώματος.

Στη συνέχεια, κατασκευάστηκε ένα μοντέλο για την αξιολόγηση του κινδύνου για ΣΔ τύπου 2 χρησιμοποιώντας πολυτροπικά δεδομένα (δημογραφικά στοιχεία, ανθρωπομετρία, CGM, διατροφή και μικροβίωμα) χρησιμοποιώντας μηχανική μάθηση και η απόδοσή του δοκιμάστηκε στις ομάδες PROGRESS και HPP. Η στατιστική ανάλυση χρησιμοποίησε ανάλυση συνδιακύμανσης, συσχετίσεις Spearman και bootstrapping για να ελέγξει τη σημαντικότητα και να αξιολογήσει το μοντέλο.

Από τους 1137 συμμετέχοντες που συμπεριλήφθηκαν, 347 συμπεριλήφθηκαν στην τελική ανάλυση: 174 με νορμογλυκαιμία, 79 με προδιαβήτη και 94 με ΣΔ2.

Οι ερευνητές διαπίστωσαν σημαντικές διαφορές στις μετρήσεις αιχμής γλυκόζης μεταξύ των καταστάσεων: νυχτερινή υπογλυκαιμία, χρόνος υποχώρησης της αιχμής, μέση γλυκόζη και χρόνος υπεργλυκαιμίας. Οι μεγαλύτερες διαφορές ήταν μεταξύ του ΣΔ2 και των άλλων ομάδων, με τους προδιαβητικούς να είναι στατιστικά πιο κοντά στη νορμογλυκαιμία από τον ΣΔ2 σε βασικές μετρήσεις όπως η συχνότητα και η ένταση των αιχμών.

Η ποικιλομορφία του μικροβιώματος συσχετίστηκε αρνητικά με τις περισσότερες μετρήσεις αιχμής γλυκόζης, υποδηλώνοντας ότι ένα υγιές μικροβίωμα σχετίζεται με καλύτερο έλεγχο της γλυκόζης.

Ο υψηλότερος καρδιακός ρυθμός ηρεμίας, ο δείκτης μάζας σώματος και η HbA1c συσχετίστηκαν με χειρότερα γλυκαιμικά αποτελέσματα, ενώ η σωματική δραστηριότητα συσχετίστηκε με πιο ευνοϊκά πρότυπα γλυκόζης. Είναι ενδιαφέρον ότι η υψηλότερη πρόσληψη υδατανθράκων συσχετίστηκε με ταχύτερη επίλυση των κορυφώσεων, αλλά και με πιο συχνές και έντονες αιχμές.

Η ομάδα ανέπτυξε ένα δυαδικό μοντέλο ταξινόμησης βασισμένο σε πολυτροπικά δεδομένα που διέκρινε μεταξύ νορμογλυκαιμίας και ΣΔ2 με υψηλή ακρίβεια. Όταν εφαρμόστηκε σε μια εξωτερική ομάδα (HPP), το μοντέλο διατήρησε υψηλή απόδοση και εντόπισε με επιτυχία σημαντική μεταβλητότητα στα επίπεδα κινδύνου μεταξύ των προδιαβητικών με παρόμοιες τιμές HbA1c.

Αυτά τα αποτελέσματα υποδηλώνουν ότι το πολυτροπικό γλυκαιμικό προφίλ μπορεί να βελτιώσει την πρόβλεψη κινδύνου και την ατομική παρακολούθηση σε σύγκριση με τις τυπικές διαγνωστικές μεθόδους, ιδιαίτερα για τον προδιαβήτη.

Η μελέτη υπογραμμίζει ότι οι παραδοσιακές διαγνωστικές μέθοδοι για τον διαβήτη, όπως η HbA1c, δεν αντικατοπτρίζουν τα μεμονωμένα χαρακτηριστικά του μεταβολισμού της γλυκόζης.

Χρησιμοποιώντας CGM σε συνδυασμό με πολυτροπικά δεδομένα (γονιδιωματική, τρόπος ζωής, μικροβίωμα), οι ερευνητές διαπίστωσαν σημαντικές διαφορές στις διακυμάνσεις της γλυκόζης μεταξύ της νορμογλυκαιμίας, του προδιαβήτη και του σακχαρώδη διαβήτη τύπου 2, με τον προδιαβήτη να παρουσιάζει μεγαλύτερη ομοιότητα με τη νορμογλυκαιμία από τον σακχαρώδη διαβήτη τύπου 2 σε μια σειρά βασικών μετρήσεων.

Το ανεπτυγμένο μοντέλο κινδύνου βασισμένο στη μηχανική μάθηση, το οποίο επικυρώθηκε σε εξωτερική ομάδα, αποκάλυψε μια μεγάλη διακύμανση στον κίνδυνο μεταξύ των προδιαβητικών με παρόμοιες τιμές HbA1c, επιβεβαιώνοντας την πρόσθετη αξία του σε σύγκριση με τις παραδοσιακές μεθόδους.

Τα δυνατά σημεία της μελέτης περιλαμβάνουν την αποκεντρωμένη, ποικιλόμορφη ομάδα PROGRESS (48,1% από υποεκπροσωπούμενες ομάδες) και τη συλλογή δεδομένων «πραγματικού κόσμου». Ωστόσο, οι περιορισμοί περιλαμβάνουν πιθανή μεροληψία λόγω διαφορών στις συσκευές, ανακρίβειες στην αυτοαναφορά, δυσκολίες στη διατήρηση ημερολογίου τροφίμων και χρήση υπογλυκαιμικών φαρμάκων.

Απαιτούνται μεγαλύτερες επικυρωτικές και διαχρονικές μελέτες για να επιβεβαιωθεί το προγνωστικό όφελος και η κλινική σημασία.

Τελικά, αυτή η μελέτη καταδεικνύει τις δυνατότητες της απομακρυσμένης συλλογής πολυτροπικών δεδομένων για τη βελτίωση της έγκαιρης ανίχνευσης, της διαστρωμάτωσης του κινδύνου προδιαβήτη και της εξατομικευμένης πρόληψης του ΣΔ2, ανοίγοντας το δρόμο για πιο ακριβή και συμπεριληπτική φροντίδα για ασθενείς που διατρέχουν κίνδυνο για διαβήτη.