Využití AI v predikci kardiometabolického rizika u asijských indiánů

AI je termín, který zahrnuje strojové učení (ML), hluboké učení, učení pod dohledem, učení bez dozoru, umělé neuronové sítě (ANN) a konvoluční neuronové sítě (CNN). Základní složka umělé inteligence, ML, se stále více používá ve zdravotnických aplikacích (Shah, Patel, & Bharti, 2020), protože jde o interdisciplinární obor, který využívá techniky umožňující počítačům zkoumat datové sady bez explicitního programování. ML zahrnuje vývoj modelu nebo algoritmu pečlivou extrakcí základních vlastností z trénovacích dat, která se používají pro účely testování. Testovací data se používají k předpovědím výzkumných problémů. ML lze efektivně shrnout jako: extrakci příznaků, výběr techniky pro analýzu dat, trénování nového modelu a hodnocení jeho účinnosti a vytváření predikcí pomocí trénovaného modelu. Učení pod dohledem a bez dohledu jsou formy strojového učení. Při učení pod dohledem se k pochopení vzorů v souborech dat používají známé soubory dat, zatímco při učení bez dozoru se k pochopení dat používají neoznačené soubory dat (Mathur et al., 2020).

Struktury hlubokého učení používají četné vrstvy výpočtu. DL se používá hlavně pro zpracování velkých a nezpracovaných datových sad. V ANN spolupracuje několik algoritmů strojového učení a zpracovávají datové vstupy, ale v CNN existují skryté uzly ve vrstvách pro informace, komplexní data a zpracování obrazu. S rychlým pokrokem v AI, ML a DL mohou počítačové programy efektivně simulovat nervovou aktivitu neokortexu mozku, kde uvažování, myšlení a kognitivní funkce probíhají rychlým tempem (Mathur et al., 2020).

V oblasti kardiovaskulární medicíny má AI rozsáhlé aplikace v medikamentózní terapii, farmakogenomice, srdečním selhání, zobrazovacích studiích a diagnostice. Důležité je, že AI má schopnost poskytnout mechanismy pro aplikaci přesné medicíny a velkých dat v medicíně a zároveň zvýšit účinnost léčebného režimu doporučeného kardiologem. Algoritmy AI/ML mohou dále analyzovat data bez předpokladů pro účely predikce a klasifikace. Kardiovaskulární medicína tak může pozoruhodně těžit ze začlenění a rozumného využití AI (Romiti et al., 2020).

Kardiometabolické poruchy (CMD) včetně infarktu myokardu, cévní mozkové příhody a diabetes mellitus 2. typu (T2DM) jsou spojeny se zvýšenou morbiditou a mortalitou a je známo, že životní styl jednotlivce a míra cvičení jsou významnými rizikovými faktory pro KVO. To platí zejména pro pacienty, kteří tráví značnou dobu sedavým zaměstnáním, mají omezenou pohyblivost nebo je pro ně obtížné udržet přijatelné množství cvičení, natož dosáhnout střední až silné úrovně doporučené pro kardiometabolické zdraví (Landry et al. , 2022).

Asijští indiáni jsou jednou z nejvíce rostoucích etnických skupin na světě a mají jednu z nejvyšších četností kardiovaskulárních onemocnění (CVD), včetně T2DM (Van Niel et al., 2021) onemocnění koronárních tepen (včetně závažných nežádoucích kardiovaskulárních příhod nebo MACE) . Bylo identifikováno několik příčin KVO, jako je přijetí západních stravovacích vzorců a návyků, genetická predispozice, nerovnováha lipoproteinů a abdominální obezita. Některé perinatální vlivy jsou také považovány za možné přispěvatele.

Vysoká spotřeba omega-6 PUFA a nasycených tuků významně korelují s hyperinzulinémií nalačno a subklinickým zánětem. Taková nevyvážená strava přispívá k vysoké prevalenci inzulínové rezistence, metabolického syndromu a T2DM u asijských indiánů (Isharwal, Misra, Wasir & Nigam, 2009). Dále, genetické, kulturní a socio-ekonomické faktory také vyústily v tuto zdravotní krizi. Studie trvale prokazují, že asijští Indové mají vysokou prevalenci inzulínové rezistence, která zvyšuje jejich tendenci k rozvoji T2DM a CVD v mladším věku ve srovnání s jedinci jiných etnik (Misra & Vikram, 2004). Důležitými důvody mohou být jejich nadměrný tělesný tuk a nepříznivá struktura tělesného tuku, včetně abdominální adipozity, i když je index tělesné hmotnosti v aktuálně definovaných normálních mezích. Některé z těchto rysů byly hlášeny při narození a dětství.

Americká diabetická asociace (ADA) snížila limit BMI (ve srovnání s bělochy) pro screening T2DM u Jihoasijců. Některé z problémů, se kterými se setkáváme, jsou: variabilita ve stratifikaci klinického rizika; nedostatek zavedených pokynů pro zobrazování aterosklerózy a nedostatek dat pro formulaci smysluplných klinických pokynů u osob asijského indického etnika.

Populace asijských Indů ve Spojených státech roste rychlým tempem (Gujral & Kanaya, 2021). Nedávná výzkumná studie American Heart Association (AHA) podtrhuje zvyšující se prevalenci a mortalitu spojenou s KVO u této etnické skupiny, k níž přispívá především inzulinová rezistence a zvýšený výskyt T2DM. Indové představují velmi úspěšnou skupinu imigrantů s vyššími příjmy a lepšími sociálními a ekonomickými ukazateli. Předběžná data získaná z této studie založené na AI umožní našemu týmu získat potřebné finanční prostředky pro dlouhodobý perspektivní výzkum v této oblasti.