Ricerca

Il potere dell’intelligenza artificiale per approfondire la conoscenza del diabete di tipo 1

Adv

Un sistema basato sull’intelligenza artificiale consente di analizzare i dati e ricavare rapidamente percorsi utili alla ricerca e cura del diabete tipo 1

AI, artificial intelligence conceptual with computer interface of business team, big data management use AI technology computing

Un team interdisciplinare di ricercatori dell’Università del Missouri, del Children’s Mercy Kansas City e del Texas Children’s Hospital ha utilizzato un nuovo approccio basato sui dati per saperne di più sulle persone con diabete di tipo 1, che rappresentano circa il 5-10% di tutte le diagnosi di diabete. Il team ha raccolto le sue informazioni attraverso l’informatica sanitaria e l’intelligenza artificiale (AI) applicata per comprendere meglio la malattia.

Adv

Nello studio, il team ha analizzato i dati del mondo reale pubblicamente disponibili di circa 16.000 partecipanti iscritti al registro delle cliniche di scambio T1D . Applicando un algoritmo di estrazione del pattern di contrasto sviluppato presso il MU College of Engineering , il team è stato in grado di identificare le principali differenze nei risultati di salute tra le persone che convivono con il diabete di tipo 1 che hanno o non hanno una storia familiare immediata della malattia.

Chi-Ren Shyu, direttore del MU Institute for Data Science and Informatics (MUIDSI), ha guidato l’approccio AI utilizzato nello studio e ha affermato che la tecnica è di natura esplorativa.

“Qui lasciamo che il computer faccia il lavoro di collegare milioni di punti nei dati per identificare solo i principali modelli contrastanti tra individui con e senza una storia familiare di diabete di tipo 1 e per eseguire i test statistici per assicurarci di essere fiduciosi nel nostro risultati”, ha affermato Shyu, professore di Paul K. e Dianne Shumaker presso il MU College of Engineering.

Erin Tallon, una studentessa laureata al MUIDSI e autrice principale dello studio, ha affermato che l’analisi del team ha portato a risultati sconosciuti.

“Ad esempio, abbiamo riscontrato che le persone nel registro che avevano un parente stretto con diabete di tipo 1 erano più frequentemente diagnosticate con ipertensione, così come malattie nervose, malattie degli occhi e malattie renali correlate al diabete”, ha detto Tallon. “Abbiamo anche riscontrato una co-occorrenza più frequente di queste condizioni in individui che avevano una storia familiare immediata di diabete di tipo 1. Inoltre, le persone che avevano una storia familiare immediata di diabete di tipo 1 avevano anche più frequentemente determinate caratteristiche demografiche”.

La passione di Tallon per questo progetto è iniziata con una connessione personale ed è cresciuta rapidamente grazie alla sua esperienza di lavoro come infermiera in un’unità di terapia intensiva critica (ICU). Vedeva spesso pazienti con diabete di tipo 1 che avevano anche a che fare con altre condizioni coesistenti come malattie renali e ipertensione. Sapendo che la diagnosi di diabete di tipo 1 di una persona spesso si verifica solo quando la malattia è già molto avanzata, ha voluto trovare modi migliori per la prevenzione e la diagnosi, iniziando con trovare un modo per analizzare la grande quantità di dati pubblicamente disponibili già raccolti sulla malattia.

Nel 2019, Mark Clements , endocrinologo pediatrico presso Children’s Mercy Kansas City, professore di pediatria presso l’Università del Missouri-Kansas City e autore corrispondente dello studio, è stato invitato a parlare alla Midwest Bioinformatics Conference ospitata da BioNexus KC. Anche se Tallon non ha potuto partecipare alla presentazione di Clements, ha proseguito con una telefonata per condividere la sua proposta per aiutare le persone a comprendere meglio il diabete di tipo 1. Era incuriosito. Alla fine, Tallon presentò Clements a Shyu e nacque una collaborazione di ricerca in corso. 

Tallon ha affermato che i risultati della collaborazione parlano del potere e del valore dell’utilizzo dei dati del mondo reale.

“Il diabete di tipo 1 non è una singola malattia che sembra uguale per tutti – ha un aspetto diverso per persone diverse – e stiamo lavorando all’avanguardia per affrontare questo problema”, ha affermato Tallon. “Analizzando i dati del mondo reale, possiamo comprendere meglio i fattori di rischio che possono far sì che qualcuno sia più a rischio di sviluppare scarsi risultati di salute”.  

Sebbene i risultati siano promettenti, Tallon ha affermato che i ricercatori sono stati limitati dalla mancanza di un set di dati basato sulla popolazione con cui lavorare.

“È importante notare qui che i nostri risultati hanno un limite che speriamo di affrontare in futuro utilizzando set di dati più ampi basati sulla popolazione”, ha affermato Tallon. “Stiamo cercando di creare coorti di pazienti più ampie, analizzare più dati e utilizzare questi algoritmi per aiutarci a farlo”.  

Medicina personalizzata

Clements spera che l’approccio possa essere adottato come un modo per aiutare a sviluppare opzioni di trattamento personalizzate per le persone con diabete.

“Per ottenere il trattamento giusto per il paziente giusto al momento giusto, dobbiamo prima capire come identificare i pazienti che sono a più alto rischio per la malattia e le sue complicanze, ponendo domande come se ci siano caratteristiche precoci nella vita di qualcuno che può aiutare a identificare un individuo ad alto rischio per un risultato anni lungo la strada”, ha detto Clements. “Avere tutte queste informazioni potrebbe un giorno aiutarci a stabilire un quadro più completo del rischio di una persona e possiamo utilizzare tali informazioni per sviluppare un approccio più personalizzato sia per la prevenzione che per il trattamento”.  

Il contrasto del pattern mining con il T1D Exchange Clinic Registry rivela complessi fattori fenotipici e modelli di comorbilità associati al diabete di tipo 1 familiare rispetto a quello sporadico “, è stato pubblicato su Diabetes Care , una rivista dell’American Diabetes Association. Allo studio hanno contribuito anche gli studenti laureati della MU Danlu Liu e Katrina Boles e Maria Redondo del Texas Children’s Hospital.

Gli autori dello studio desiderano ringraziare l’agenzia di finanziamento del registro delle cliniche di scambio T1D, l’Helmsley Charitable Trust, gli investigatori dislocati in tutto il paese che hanno guidato la raccolta dei dati per il registro, nonché tutti i partecipanti al registro e le loro famiglie che erano disposti a condividere le loro informazioni mediche.

I ricercatori desiderano inoltre riconoscere il sostegno fornito dalle sovvenzioni del National Institutes of Health (5T32LM012410) e della National Science Foundation (CNS-1429294). Il contenuto è di esclusiva responsabilità degli autori e non rappresenta necessariamente il punto di vista ufficiale delle agenzie di finanziamento.

Potenziali conflitti di interesse sono stati rilevati anche da due degli autori dello studio: Clements e Shyu. Clements è l’ufficiale medico capo di Glooko e riceve il supporto di Dexcom e Abbot Diabetes Care. Shyu è un consulente per Curant Health.