Кількісна оцінка ризику ожиріння - стрибок у майбутнє через об’єктив штучного інтелекту

майбутнє

Порівняння спостережуваного ІМТ та прогнозованого ІМТ. Герл та співавт. Машинне навчання ліпідів плазми крові людини для оцінки ожиріння у великій когорті населення

Відкриття полягає в тому, що штучний інтелект може сприяти розробці маркерів, що складаються з невеликої комбінації ліпідів, що дозволяє надати значно більше інформації про ожиріння, ніж ІМТ.

Коли академія зустріне галузь, можливі значні стрибки у майбутнє. Дослідники з Біотехнологічного центру (BIOTEC) при TU Dresden and Lipotype GmbH, відділенні Інституту молекулярно-клітинної біології та генетики імені Макса Планка, Дрезден, за міжнародної участі вчених з Лундського університету (Швеція) та Національного інституту ім. Охорона здоров'я та добробут (Фінляндія) об'єдналися для критичного дослідження ІМТ понад 1000 пацієнтів.

Міжнародна дослідницька група застосувала передові інструменти штучного інтелекту для розробки алгоритму, який використовує ліпідний склад плазми крові людини, плазмовий ліпідом.

Плазмовий ліпідом містить сотні різних ліпідів. "Разом вони є цінними показниками для вивчення стану метаболізму здоров'я людини - наприклад, відбитків пальців здоров'я", - пояснює Матіас Герл з Lipotype. Ці ліпідомічні дані використовувались для навчання алгоритму прогнозування ІМТ кожного пацієнта.

У порівнянні з ІМТ на основі побутових вимірів (спостережуваний ІМТ), ліпідомічні дані надали новому алгоритму силу запропонувати новий „молекулярний ліпідомічний ІМТ” (прогнозований ІМТ). Підрахунок ліпідомічного ІМТ показав, що молекулярний ІМТ у ряді випадків був значно вищим, ніж традиційний ІМТ.

Приблизно у 1 із 7 пацієнтів ліпідомічний ІМТ покращив класичний «морфометричний ІМТ» та надав більше інформації про ожиріння порівняно із традиційним вимірюванням ІМТ, наприклад про кількість вісцерального жиру, шкідливого виду жирових відкладень.