IBM Watson известна тем, что использует искусственный интеллект для разработки новых рецептов. Но шеф-повар ИИ наконец-то встретил это соответствие в диетологе ИИ.
В текущем выпуске Cell опубликована очень интересная статья о персонализации питания для больных сахарным диабетом с использованием методов точной медицины и машинного обучения. Статья Персонализированное питание путем прогнозирования гликемических реакций написана учеными из Института науки Вейцмана в Израиле.
Фон состоит в том, что уровень глюкозы в крови резко повышается после еды, поскольку наша пищеварительная система превращает еду в сахар в крови. Это нормальный метаболизм для здоровых людей, но может вызвать проблемы для пациентов с диабетом, поскольку их способность регулировать уровень глюкозы в крови ослаблена. Вот почему пациенты с диабетом должны сдавать кровь на анализ до или после каждого приема пищи, а затем принимать лекарства по результатам. Разве не было бы хорошо, если бы мы могли ПРОГНОЗИРОВАТЬ реакцию человека на уровень глюкозы в крови на каждый прием пищи до того, как он съест эту еду? Это позволит более эффективно и безопасно вести пациентов с диабетом.
Однако, как вы, наверное, догадались, разные пациенты по-разному реагируют на одну и ту же еду. Так что очень сложно прогнозировать на индивидуальной основе. Авторы определили множество факторов, связанных с уровнем глюкозы после стандартизированного приема пищи. Примеры таких факторов включают геномику, факторы образа жизни и даже популяцию бактерий в пищеварительном тракте каждого человека. Но они также отметили, что связи нелинейны, что затрудняет создание простой модели линейной регрессии.
Исследователи собрали данные 900 пациентов. Они собирали генотип, фенотип, а также ежедневные журналы со смартфонов пациентов. Каждый из пациентов завтракает стандартно, а затем записывает свой уровень глюкозы в крови. Затем исследователи обучили модели леса дерева решений 800 из этих пациентов. Модель предназначена для прогнозирования реакции глюкозы в крови на стандартный прием пищи на основе вышеупомянутых характеристик пациента. Затем они проверили эту модель на оставшихся 100 пациентах, чтобы проверить ее предсказательную силу для новых пациентов.
Меня как ученого немного смущает использование алгоритма «черного ящика», такого как лес дерева решений, поскольку нет очевидного «основного» биологического или механического механизма, который управляет предсказанием. Вместо этого мы должны полагаться на вычислительную машину, чтобы оптимизировать себя. Но с другой стороны, это исследование ясно продемонстрировало практическую полезность таких алгоритмов прогнозирования, даже если мы не понимаем биологию / физику, лежащую в основе этого.
Это исследование очень интересно не только потому, что оно является пионером нового подхода к точному соблюдению диеты для пациентов с диабетом, но и потому, что оно показало нам общую методологию, которая может быть применена ко многим другим клиническим показателям, помимо реакции глюкозы на прием пищи. Например, известно, что индивидуальные реакции пациентов на лекарства различаются, и очень важно понимать это, чтобы подбирать лекарства для каждого пациента с целью повышения эффективности и безопасности. Мы с нетерпением ждем новых исследований по такому же подходу!
