Новая технология на основе ИИ моделирует прогрессирование хронических заболеваний по мере старения пациентов
Используя искусственный интеллект, группа исследователей Университета Буффало разработала новую систему, которая моделирует прогрессирование хронических заболеваний по мере старения пациентов.
Модель, опубликованная в октябре в журнале Pharmacokinetics and Pharmacodynamics, оценивает метаболические и сердечно-сосудистые биомаркеры - измеримые биологические процессы, такие как уровень холестерина, индекс массы тела, глюкоза и кровяное давление - для расчета состояния здоровья и риска развития заболеваний на протяжении всей жизни пациента.
Полученные результаты крайне важны в связи с повышенным риском развития метаболических и сердечно-сосудистых заболеваний по мере старения, которое оказывает негативное влияние на клеточные, психологические и поведенческие процессы.
"Существует неудовлетворенная потребность в масштабируемых подходах, которые могут обеспечить руководство для фармацевтической помощи в течение всей жизни при наличии старения и хронических сопутствующих заболеваний", - говорит ведущий автор Мурали Раманатан, доктор философии, профессор фармацевтических наук в UB School of Pharmacy and Pharmaceutical Sciences. "Этот пробел в знаниях может быть потенциально восполнен с помощью инновационного моделирования прогрессирования заболевания"
По словам Раманатана, модель может облегчить оценку долгосрочной хронической лекарственной терапии и помочь врачам отслеживать реакцию на лечение таких заболеваний, как диабет, высокий уровень холестерина и высокое кровяное давление, которые с возрастом становятся все более частыми.
В ходе исследования были изучены данные трех тематических исследований в рамках третьего Национального обследования здоровья и питания (NHANES), в ходе которого оценивались метаболические и сердечно-сосудистые биомаркеры почти 40 000 человек в США. Биомаркеры, которые также включают такие измерения, как температура, масса тела и рост, используются для диагностики, лечения и мониторинга общего состояния здоровья и многочисленных заболеваний.
Исследователи изучили семь метаболических биомаркеров: индекс массы тела, отношение объема талии к объему бедер, общий холестерин, холестерин липопротеинов высокой плотности, триглицериды, глюкоза и гликогемоглобин. Исследуемые сердечно-сосудистые биомаркеры включают систолическое и диастолическое артериальное давление, частоту пульса и гомоцистеин.
Анализируя изменения в метаболических и сердечно-сосудистых биомаркерах, модель "учится" тому, как старение влияет на эти показатели. С помощью машинного обучения система использует память о предыдущих уровнях биомаркеров для прогнозирования будущих измерений, которые в конечном итоге показывают, как метаболические и сердечно-сосудистые заболевания прогрессируют с течением времени.
