Nowe modele predykcyjne wykorzystujące uczenie maszynowe do analizy wzorców białek z danych UK Biobank mogą przewidywać ryzyko chorób, w tym chorobę Alzheimera, cukrzycę i choroby serca, nawet z 15-letnim wyprzedzeniem. To przełomowe odkrycie może przekształcić strategie wczesnego wykrywania i zapobiegania w opiece zdrowotnej.
Naukowcy z Optima Partners, Biogen i University of Edinburgh dokonali znaczącego przełomu w przewidywaniu ryzyka chorób. Opublikowane w prestiżowym czasopiśmie Nature Aging badanie podkreśla przełomowe podejście, które wykorzystuje uczenie maszynowe do analizy wzorców białek we krwi, oferując okno na przyszłe zdrowie pacjenta.
Główne wnioski z badania
Badania koncentrowały się na analizie szerokiego wachlarza danych medycznych z UK Biobank, w szczególności badając korelacje między 1468 poziomami białka Olink a 23 chorobami związanymi z wiekiem i śmiertelnością. Przebadano grupę 47 600 uczestników, którzy dostarczyli próbki krwi w latach 2006–2010, aby prognozować ryzyko chorób z wyprzedzeniem do 15 lat.
Wśród godnych uwagi ustaleń znalazł się związek białka GDF15, markera stanu zapalnego, z szeregiem schorzeń, w tym chorobą Alzheimera, otępieniem naczyniowym, chorobą serca, chorobą wątroby, cukrzycą typu 2 i śmiertelnością z jakiejkolwiek przyczyny.
Implikacje dla opieki zdrowotnej
Implikacje badania są ogromne i głębokie. „Nasze badania stanowią obiecujący krok naprzód w przewidywaniu ryzyka” — powiedziała dr Danni Gadd, pierwsza autorka badania. „To zachęcające, że pojedyncza próbka krwi daje nam tak duży potencjał, że możemy przewidzieć szereg skutków chorób. Możliwość wykrywania wczesnych sygnałów ostrzegawczych dla szerokiego zakresu schorzeń może prowadzić do możliwości wczesnej interwencji i profilaktyki, co stanowi ważny moment dla branży opieki zdrowotnej”.
Zaawansowane modele predykcyjne
Naukowcy opracowali to, co nazywają „ProteinScores”, wykorzystując regresję Coxa z karą w celu zwiększenia dokładności prognozowania. Te wyniki poprawiły szacunki obszaru pod krzywą w celu przewidywania wystąpienia choroby w ciągu 10 lat, przewyższając tradycyjne metody, które obejmują wiek, płeć, czynniki związane ze stylem życia i inne biomarkery. Co godne uwagi, ProteinScore dla cukrzycy typu 2 przewyższył zarówno wynik ryzyka poligenicznego, jak i testy HbA1c, które są powszechnie stosowane do monitorowania i diagnozowania choroby.
Dr Chris Foley, jeden z głównych badaczy, główny naukowiec Optima Partners, przestrzegł, że potrzeba więcej pracy, zanim te ustalenia będą mogły być rutynowo stosowane w warunkach klinicznych. „Jednak nasze odkrycia stanowią solidne podstawy do uwzględnienia nowych sygnatur prognozowania ryzyka, aby rzucić światło na możliwe ścieżki i mechanizmy leżące u podstaw chorób. Rozpoznawanie wzorców w ten sposób nie byłoby możliwe bez nowoczesnej technologii uczenia maszynowego i jej zdolności do analizowania danych na taką skalę, co z kolei pozwoli nam zająć się niektórymi z najbardziej palących wyzwań opieki zdrowotnej naszych czasów”, powiedział dr Foley.
To przełomowe osiągnięcie, umożliwione przez zaawansowane uczenie maszynowe, oznacza znaczący postęp w opiece zdrowotnej, oferując obiecującą drogę do bardziej precyzyjnych i spersonalizowanych planów leczenia.
(Health&Pharma)
