Европейский проект EprObes использует клинические и эпигенетические данные для адаптации предсказаний рисков, позволяя ранние вмешательства.
Ожирение стало значительной угрозой общественному здоровью на глобальном уровне, с постоянно растущей распространенностью в последние десятилетия и сопутствующими заболеваниями, глубоко влияющими на индивидуальное благополучие и сокращающими продолжительность жизни. Несмотря на достижения в исследованиях, текущие методы лечения ожирения показывают ограниченные результаты, что подчеркивает неотложную необходимость в эффективных профилактических стратегиях для смягчения метаболических осложнений, связанных с избыточным весом на протяжении жизни.
В этом контексте несколько команд из Центра биомедицинских исследований (CIBER) при Университете Гранады (UGR) разработали модель искусственного интеллекта (ИИ) для предсказания рисков метаболических расстройств у детей с ожирением. Работа, опубликованная в журнале Artificial Intelligence in Medicine, выделяется интеграцией клинических и эпигенетических данных для оценки риска метаболических осложнений в ближайшие годы.
Это исследование позволило выявить, что дети с метаболическими расстройствами в период полового созревания демонстрируют характерные клинические и эпигенетические паттерны с предпубертального этапа. Таким образом, исследователи подчеркивают, что внедрение этой модели ИИ в больницах может облегчить раннее выявление метаболических рисков и позволить своевременные вмешательства с помощью фармакологических методов или изменений в образе жизни, тем самым предотвращая метаболические заболевания. Кроме того, эта стратегия может снизить сопутствующие заболевания, связанные с ожирением, и имеет потенциал для снижения затрат на систему здравоохранения, согласно авторам исследования.
Это исследование было скоординировано работниками области физиопатологии ожирения и питания CIBER (CIBEROBN) при Университете Гранады, Институтом биомедицинских исследований (ibs.GRANADA) и Андалузским межвузовским институтом науки о данных и вычислительной интеллигенции (DaSCI) и другими учреждениями. Оно также было разработано благодаря финансовой поддержке Института здоровья Карлоса III и европейского проекта EprObes (Предотвращение ожирения на протяжении жизни путем раннего выявления факторов риска, прогноза и вмешательства). Эта европейская программа имеет главную цель — предотвратить ожирение, раннее выявление факторов риска, предоставление точного прогноза и содействие своевременным вмешательствам.
Известно, что развитие ожирения у взрослых тесно связано с ранними событиями созревания, включая физиопатологические и психологические факторы, происходящие в период беременности, детства и подросткового возраста; однако эти детерминанты остаются плохо понятными. Поэтому выявление ранних патогенных механизмов и маркеров метаболических заболеваний является важным для разработки активных стратегий профилактики и персонализированных планов управления весом на более поздних этапах жизни.
Одним из актуальных и еще недостаточно исследованных аспектов является то, как патогенные механизмы и предрасположенность к ожирению варьируются в зависимости от пола. Это отсутствие знаний может ограничить эффективность профилактических мер и лечения, разработанных для решения как ожирения, так и его метаболических осложнений.
В этом смысле проект EprObes является многопрофильной инициативой, ориентированной на пациента, которая сочетает клинические исследования на различных стадиях развития с исследованиями в области психического здоровья, поведения, образа жизни и когниции. Кроме того, он включает механистические анализы с использованием передовых доклинических моделей с основной целью разработки эффективных стратегий для активной профилактики ожирения на протяжении всей жизни, с особым акцентом на критические периоды развития, начиная с пренатального этапа (включая периконцепцию) до полового созревания, а также на факторы, влияющие на пищевое поведение.
С помощью многомикромных исследований и комплексного анализа данных, поддерживаемого биоинформатическими технологиями и искусственным интеллектом, EprObes стремится разработать персонализированные профилактические меры и содействовать вмешательствам в образ жизни в ключевые моменты развития. Эти действия направлены на предотвращение избыточного веса и метаболических осложнений на протяжении всей жизни с особым вниманием к обоим полам.
Модель искусственного интеллекта сочетает традиционные данные, такие как индекс массы тела и уровни гормонов лептина и адипонектина, с новыми генетическими маркерами в ключевых генах, таких как HDAC4, PTPRN2, MATN2, RASGRF1 и EBF1. Одной из самых инновационных характеристик этой модели является ее дизайн как объяснимого ИИ, что позволяет медицинским работникам интерпретировать ее работу и понимать основы ее предсказаний, что облегчает ее интеграцию в клиническую практику.
«Это сочетание данных позволяет не только точно предсказывать риски, но и лучше понимать, как модель обрабатывает переменные, что позволяет более эффективно применять ее в клинических условиях», — отметил Альваро Торрес, исследователь CIBEROBN.