Das europäische Projekt EprObes nutzt klinische und epigenetische Daten, um Risikovorhersagen anzupassen und frühe Interventionen zu ermöglichen.
Fettleibigkeit hat sich weltweit zu einer bedeutenden Bedrohung der öffentlichen Gesundheit entwickelt, mit einer zunehmenden Prävalenz in den letzten Jahrzehnten und damit verbundenen Komorbiditäten, die das individuelle Wohlbefinden tiefgreifend beeinträchtigen und die Lebenserwartung verringern. Trotz der Fortschritte in der Forschung haben aktuelle Behandlungen von Fettleibigkeit begrenzte Ergebnisse gezeigt, was den dringenden Bedarf an wirksamen Präventionsstrategien zur Minderung der metabolischen Komplikationen im Zusammenhang mit Übergewicht im Laufe des Lebens unterstreicht.
In diesem Zusammenhang haben verschiedene Teams des Biomedizinischen Forschungsnetzwerks (CIBER) an der Universität Granada (UGR) ein Modell für künstliche Intelligenz (KI) entwickelt, um die Risiken von Stoffwechselstörungen bei fettleibigen Kindern vorherzusagen. Die Arbeit, veröffentlicht in der Zeitschrift Artificial Intelligence in Medicine, zeichnet sich durch die Integration klinischer und epigenetischer Daten zur Schätzung des Risikos metabolischer Komplikationen in den kommenden Jahren aus.
Diese Studie hat gezeigt, dass Kinder mit metabolischen Störungen während der Pubertät von der präpubertären Phase an charakteristische klinische und epigenetische Muster aufweisen. Die Forscher betonen, dass die Implementierung dieses KI-Modells in Krankenhäusern die frühzeitige Erkennung metabolischer Risiken erleichtern und rechtzeitige Interventionen durch pharmakologische Behandlungen oder Änderungen des Lebensstils ermöglichen könnte, um metabolische Krankheiten zu verhindern. Darüber hinaus könnte diese Strategie die mit Fettleibigkeit verbundenen Komorbiditäten reduzieren und hat das Potenzial, die Kosten für das öffentliche Gesundheitssystem zu senken, so die Autoren der Studie.
Die Studie wurde von Mitarbeitern der Abteilung für Physiopathologie von Fettleibigkeit und Ernährung des CIBER (CIBEROBN) an der Universität Granada, dem Biosanitären Forschungsinstitut (ibs.GRANADA) und dem Andalusischen Interuniversitären Institut für Datenwissenschaft und Computational Intelligence (DaSCI) koordiniert, sowie von anderen Institutionen. Sie wurde auch mit finanzieller Unterstützung des Carlos III Gesundheitsinstituts und des europäischen Projekts EprObes (Prävention von Fettleibigkeit im Laufe des Lebens durch frühzeitige Identifizierung von Risikofaktoren, Prognose und Intervention) entwickelt. Dieses europäische Programm hat das Hauptziel, Fettleibigkeit zu verhindern, indem Risikofaktoren frühzeitig identifiziert, eine präzise Prognose erstellt und zeitnahe Interventionen ermöglicht werden.
Es ist bekannt, dass die Entwicklung von Fettleibigkeit bei Erwachsenen eng mit frühen Reifungsereignissen verbunden ist, einschließlich physiopathologischer und psychologischer Faktoren, die während der Schwangerschaft, Kindheit und Jugend auftreten; jedoch bleiben diese Determinanten schlecht verstanden. Die Identifizierung früher pathogener Mechanismen und Marker für Stoffwechselerkrankungen ist entscheidend für die Entwicklung aktiver Präventionsstrategien und personalisierter Pläne zur Gewichtskontrolle in späteren Lebensphasen.
Ein relevantes und bisher unzureichend erforschtes Thema ist, wie sich pathogene Mechanismen und die Anfälligkeit für Fettleibigkeit nach Geschlecht unterscheiden. Dieses fehlende Wissen könnte die Wirksamkeit von Präventionsmaßnahmen und Behandlungen einschränken, die sowohl Fettleibigkeit als auch deren metabolische Komplikationen angehen sollen.
In diesem Sinne ist das Projekt EprObes eine multidisziplinäre, patientenorientierte Initiative, die klinische Studien in verschiedenen Entwicklungsphasen mit Forschungen zu psychischer Gesundheit, Verhalten, Lebensstil und Kognition kombiniert. Es umfasst auch mechanistische Analysen unter Verwendung fortgeschrittener präklinischer Modelle, um wirksame Strategien zur aktiven Prävention von Fettleibigkeit im gesamten Lebensverlauf zu etablieren, mit einem besonderen Fokus auf kritische Entwicklungsphasen, von der pränatalen Phase (einschließlich der perikonzeptionellen Phase) bis zur Pubertät, sowie auf Faktoren, die das Essverhalten beeinflussen.
Durch multi-omische Studien und eine umfassende Datenanalyse, unterstützt durch bioinformatische Technologien und künstliche Intelligenz, zielt EprObes darauf ab, personalisierte Präventionsmaßnahmen zu entwerfen und Lebensstilinterventionen zu fördern, die auf entscheidende Entwicklungszeitpunkte abzielen. Diese Maßnahmen zielen darauf ab, Übergewicht und metabolische Komplikationen im Laufe des Lebens zu verhindern, wobei ein besonderes Augenmerk auf beide Geschlechter gelegt wird.
Das KI-Modell kombiniert traditionelle Daten, wie den Body-Mass-Index und die Hormonspiegel von Leptin und Adiponektin, mit neuen genetischen Markern in Schlüsselgenen wie HDAC4, PTPRN2, MATN2, RASGRF1 und EBF1. Eine der innovativsten Eigenschaften dieses Modells ist sein Design als erklärbare KI, die es Gesundheitsfachkräften ermöglicht, ihre Funktionsweise zu interpretieren und die Grundlagen ihrer Vorhersagen zu verstehen, was die Integration in die klinische Praxis erleichtert.
Diese Datenkombination ermöglicht nicht nur eine präzise Risikovorhersage, sondern auch ein besseres Verständnis dafür, wie das Modell Variablen verarbeitet, was eine effektivere Anwendung in klinischen Umgebungen ermöglicht”, erklärte Álvaro Torres, Forscher am CIBEROBN.