Искусственный интеллект предсказывает болезни по микробиому кишечника

Исследователи из Медицинского колледжа Пенсильванского университета и Юго-западного медицинского центра Техасского университета представили новый подход с использованием искусственного интеллекта (ИИ). Он позволяет использовать микроорганизмы в организме и молекулы в клетках для прогнозирования состояния здоровья человека и может повысить точность предсказания развития таких заболеваний, как воспалительные заболевания кишечника и диабет.

Человеческий микробиом состоит из триллионов микроорганизмов (грибов и бактерий), живущих в организме, обычно в кишечнике, и влияющих на общее здоровье. Эти организмы вместе с метаболомом — молекулами, обнаруженными в клетках и тканях, — оказывают важное влияние на медицинские исследования.

В исследовании, опубликованном в Journal of Molecular Biology, предлагается извлекать полезные признаки из наборов данных, измеряющих как микробиом, так и метаболом, и использовать их для существенного повышения точности прогнозирования риска в наборах данных, где измеряется только микробиом. Результаты представляют статистический и основанный на ИИ неинвазивный подход с использованием микробиома кишечника, который может выявлять людей с повышенным риском заболеваний.

До сих пор из-за высокой стоимости лишь несколько исследований измеряли данные и микробиома, и метаболома. Большинство исследований измеряли только данные микробиома, что ограничивало их полезность для прогнозирования рисков заболеваний. По мнению исследователей, объединение данных о микробиоме и метаболоме может помочь точнее предсказывать исходы заболеваний и привести к лучшему пониманию их механизмов.

Новый метод: MB-SupCon

Ученые предложили новую интегративную модель под названием Microbiome-based Supervised Contrastive Learning Framework (MB-SupCon). Реализовав этот метод, они изучили данные о микробиоме кишечника и метаболоме в образцах стула 720 пациентов, чтобы предсказать факторы, связанные с диабетом 2-го типа.

По словам исследователей, MB-SupCon превзошел существующие методы машинного обучения и показал высокую точность в прогнозировании:

• статуса инсулинорезистентности у пациентов — 84%,
• пола — 78%,
• расы — 80%.

При использовании MB-SupCon в крупном исследовании воспалительных заболеваний кишечника были отмечены аналогичные преимущества. Этот неинвазивный и экономически эффективный метод может широко использоваться для прогнозирования исходов здоровья при различных заболеваниях.

Значение и перспективы

• Дэцзян Лю, соавтор исследования: «Подходы на основе глубокого обучения, неинвазивные, обладают огромным потенциалом для улучшения диагностики и прогнозирования риска заболеваний человека. В сочетании с высокопроизводительными технологиями, такими как секвенирование ДНК, это предлагает экономичный подход, который помогает выявлять пациентов из группы риска и ускорять развитие персонализированной медицины».
• Сяовэй Чжань, соавтор исследования: «Микробиом человека — это главный модифицируемый фактор риска заболеваний человека. Наш подход помогает идентифицировать бактерии, влияющие на риск заболевания. Модификация этих бактерий может стать ценным новым подходом к лечению ранее трудно поддающихся терапии расстройств».