Инсулинорезистентность — состояние, при котором организм неадекватно реагирует на инсулин, гормон, помогающий контролировать уровень глюкозы в крови, — является одной из основных причин диабета. Помимо диабета, широко известно, что инсулинорезистентность может приводить к сердечно-сосудистым, почечным и печеночным заболеваниям. Хотя инсулинорезистентность тесно связана с ожирением, оценить саму инсулинорезистентность в клинических условиях было сложно. Впервые исследователи, в том числе из Токийского университета, применили модель прогнозирования инсулинорезистентности на основе машинного обучения к полумиллиону участников из британского биобанка и продемонстрировали, что инсулинорезистентность является фактором риска для 12 типов рака.
Результаты исследования опубликованы в журнале Nature Communications.
Диабет — распространенная проблема во всем мире. Связь диабета с инсулинорезистентностью хорошо известна многим, но менее известно, что инсулинорезистентность также считается фактором риска развития ряда видов рака. Однако человеческий организм — сложная система, и установить причинно-следственные связи между заболеваниями и проблемами в организме далеко не просто.
Медицинские исследователи изучают различные способы поиска этих связей, и все более распространенным инструментом в их арсенале становится искусственный интеллект, в частности машинное обучение. Юта Хираике, исследователь из больницы Токийского университета, и его команда успешно использовали созданный ими инструмент машинного обучения, чтобы доказать связь между резистентностью к инсулину и несколькими видами рака.
«Недавно мы разработали инструмент AI-IR для прогнозирования инсулинорезистентности у людей на основе девяти различных медицинских данных. Он оказался успешным, и это натолкнуло нас на мысль о применении этого инструмента для решения аналогичных проблем», — сказал Хираике.
«Хотя предполагалась возможная связь между инсулинорезистентностью и раком, крупномасштабные исследования показали ограниченную доступность доказательств из-за сложности оценки инсулинорезистентности в клинических условиях. Но с помощью AI-IR мы впервые предоставили данные в масштабах популяции, свидетельствующие о том, что инсулинорезистентность является фактором риска развития рака. А поскольку девять входных параметров для AI-IR получают в ходе стандартных медицинских осмотров, AI-IR может быть легко внедрен для выявления лиц с высоким риском и обеспечения целенаправленного скрининга диабета, сердечно-сосудистых заболеваний и рака».
В настоящее время индекс массы тела (ИМТ), показатель количества жира в организме, широко используется для прогнозирования инсулинорезистентности человека и, как следствие, предрасположенности к связанным с ней онкологическим заболеваниям. Однако при этом возникают ложноположительные результаты, когда некоторые люди с ожирением считаются метаболически здоровыми и не страдают от негативных последствий ожирения в той же степени, что и другие, и ложноотрицательные результаты, когда люди с идеальным ИМТ в конечном итоге страдают от инсулинорезистентности или связанных с ней проблем, обычно ассоциирующихся с ожирением.
Одной из сложностей, с которыми столкнулись Хираике и его команда, было убедить рецензентов статьи в том, что AI-IR может преодолеть эти недостатки надежным и воспроизводимым способом. К счастью, им удалось продемонстрировать не только его прогностическую мощность, но и устойчивость их модели в различных условиях.
«При сравнении с данными, полученными путем прямого измерения инсулинорезистентности в валидационных наборах данных, AI-IR продемонстрировал высокую прогностическую эффективность. Прямое измерение инсулинорезистентности нецелесообразно, за исключением случаев, когда пациенты проходят лечение в специализированных диабетологических клиниках. AI-IR предоставляет надежную и масштабируемую альтернативу для оценки инсулинорезистентности в масштабах популяции», — сказал Хираике.
«Объединив девять клинических параметров в единый показатель, AI-IR может выявлять инсулинорезистентность, которую нельзя объяснить одним лишь индексом массы тела. Сейчас мы работаем над тем, чтобы понять, как генетические различия между людьми влияют на этот риск, и в конечном итоге связать крупномасштабные данные, полученные в ходе исследований на людях, с исследованиями в области молекулярной биологии для разработки более эффективных стратегий преодоления инсулинорезистентности».
