Le projet européen EprObes utilise des données cliniques et épigénétiques pour adapter les prédictions de risque, permettant des interventions précoces.
L'obésité est devenue une menace importante pour la santé publique à l'échelle mondiale, avec une prévalence en augmentation au cours des dernières décennies et des comorbidités associées affectant profondément le bien-être individuel et réduisant l'espérance de vie. Malgré les avancées de la recherche, les traitements actuels de l'obésité ont montré des résultats limités, soulignant le besoin urgent de stratégies préventives efficaces pour atténuer les complications métaboliques liées au surpoids tout au long de la vie.
Dans ce contexte, plusieurs équipes du Centre de Recherche Biomédicale en Réseau (CIBER) à l'Université de Grenade (UGR) ont développé un modèle d'intelligence artificielle (IA) pour prédire les risques de troubles métaboliques chez les enfants obèses. Le travail, publié dans la revue Artificial Intelligence in Medicine, se distingue par son intégration de données cliniques et épigénétiques pour estimer le risque de complications métaboliques dans les années à venir.
Cette étude a permis d'identifier que les enfants présentant des troubles métaboliques durant la puberté montrent des schémas cliniques et épigénétiques distincts dès la phase prépubertaire. Les chercheurs soulignent que l'implémentation de ce modèle d'IA dans les hôpitaux pourrait faciliter la détection précoce des risques métaboliques, permettant ainsi des interventions à temps par le biais de traitements pharmacologiques ou de changements de mode de vie, prévenant ainsi les maladies métaboliques. De plus, cette stratégie pourrait réduire les comorbidités liées à l'obésité et a le potentiel de diminuer les coûts pour le système de santé public, selon les auteurs de l'étude.
Cette étude a été coordonnée par le personnel de l'aire de Physiopathologie de l'Obésité et de la Nutrition du CIBER (CIBEROBN) à l'Université de Grenade, de l'Institut de Recherche Biosanitaire (ibs.GRANADA) et de l'Institut Andalou Interuniversitaire en Science des Données et Intelligence Computationnelle (DaSCI), entre autres institutions. Elle a également été développée grâce au soutien financier de l'Institut de Santé Carlos III et du projet européen EprObes (Prévention de l'obésité tout au long de la vie par l'identification précoce des facteurs de risque, le pronostic et l'intervention). Ce programme européen vise principalement à prévenir l'obésité en identifiant précocement les facteurs de risque, en fournissant un pronostic précis et en facilitant des interventions opportunes.
On sait que le développement de l'obésité chez les adultes est étroitement lié à des événements de maturation précoce, y compris des facteurs physiopathologiques et psychologiques qui surviennent durant les étapes gestationnelles, infantiles et adolescentes; cependant, ces déterminants restent mal compris. Identifier les mécanismes pathogènes précoces et les marqueurs de maladies métaboliques est essentiel pour concevoir des stratégies de prévention active et des plans personnalisés pour la gestion du poids corporel à des étapes ultérieures de la vie.
Un aspect pertinent et encore insuffisamment exploré est comment les mécanismes pathogènes et la susceptibilité à l'obésité varient selon le genre. Ce manque de connaissance pourrait limiter l'efficacité des mesures préventives et des traitements conçus pour aborder à la fois l'obésité et ses complications métaboliques.
Dans ce sens, le projet EprObes est une initiative multidisciplinaire centrée sur le patient qui combine des études cliniques à différentes étapes de développement avec des recherches en santé mentale, comportement, mode de vie et cognition. Il incorpore également des analyses mécanistiques utilisant des modèles précliniques avancés pour établir des stratégies efficaces pour prévenir activement l'obésité tout au long de la vie, avec un accent particulier sur les périodes critiques de développement, de la phase prénatale (y compris la période périconceptionnelle) jusqu'à la puberté, ainsi que sur les facteurs influençant les comportements alimentaires.
À travers des études multi-omiques et une analyse intégrale des données soutenue par des technologies bioinformatiques et d'intelligence artificielle, EprObes cherche à concevoir des mesures préventives personnalisées et à promouvoir des interventions de mode de vie à des moments clés du développement. Ces actions visent à prévenir l'excès de poids corporel et les complications métaboliques tout au long de la vie, avec une attention spécifique aux deux sexes.
Le modèle d'intelligence artificielle combine des données traditionnelles, telles que l'indice de masse corporelle et les niveaux hormonaux de leptine et d'adiponectine, avec de nouveaux marqueurs génétiques dans des gènes clés comme HDAC4, PTPRN2, MATN2, RASGRF1 et EBF1. L'une des caractéristiques les plus innovantes de ce modèle est son design en tant qu'IA explicable, permettant aux professionnels de santé d'interpréter son fonctionnement et de comprendre les bases de ses prédictions, facilitant ainsi son intégration dans la pratique clinique.
Cette combinaison de données permet non seulement la prédiction précise des risques, mais aussi une meilleure compréhension de la façon dont le modèle traite les variables, permettant ainsi une application plus efficace dans les milieux cliniques”, a déclaré Álvaro Torres, chercheur au CIBEROBN.