Tekoälyn käyttö kardiometabolisten riskien ennustamisessa Aasian intialaisilla

Tekoäly on termi, joka sisältää koneoppimisen (ML), syväoppimisen, ohjatun oppimisen, valvomattoman oppimisen, keinotekoiset hermoverkot (ANN) ja konvoluutiohermoverkot (CNN). Tekoälyn olennaista komponenttia, ML:ää, käytetään yhä enemmän terveydenhuollon sovelluksissa (Shah, Patel & Bharti, 2020), koska se on monitieteinen ala, joka käyttää tekniikoita, joiden avulla tietokoneet voivat tutkia tietojoukkoja ilman erityistä ohjelmointia. ML sisältää mallin tai algoritmin kehittämisen poimimalla huolellisesti tärkeimmät ominaisuudet harjoitustiedoista, joita käytetään testaustarkoituksiin. Testidataa hyödynnetään tutkimusongelmien ennustamiseen. ML voidaan tehokkaasti tiivistää seuraavasti: piirteiden erottaminen, tekniikan valinta data-analyysiin, uuden mallin koulutus ja sen tehokkuuden arviointi sekä ennusteiden tekeminen koulutetun mallin avulla. Ohjattu ja ohjaamaton oppiminen ovat koneoppimisen muotoja. Ohjatussa oppimisessa käytetään tunnettuja tietojoukkoja ymmärtämään aineistojen kuvioita, kun taas ohjaamattomassa oppimisessa käytetään merkitsemättömiä tietojoukkoja datan ymmärtämiseen (Mathur et al., 2020).

Syväoppimisrakenteet käyttävät useita laskentakerroksia. DL:tä käytetään pääasiassa suurten ja raaka-aineistojen käsittelyyn. ANN:ssa useat koneoppimisalgoritmit toimivat yhdessä ja käsittelevät syötteitä, mutta CNN:ssä on piilotettuja solmuja kerroksissa tiedon, monimutkaisen tiedon ja kuvankäsittelyä varten. Tekoälyn, ML:n ja DL:n nopean edistymisen myötä tietokoneohjelmat voivat tehokkaasti simuloida aivojen neokorteksin hermotoimintaa, jossa päättely, ajattelu ja kognitiiviset toiminnot tapahtuvat nopeassa tahdissa (Mathur et al., 2020).

Sydän- ja verisuonitautien alalla tekoälyllä on laajat sovellukset lääkehoidossa, farmakogenomiikassa, sydämen vajaatoiminnassa, kuvantamistutkimuksissa ja diagnostiikassa. Tärkeää on, että tekoälyllä on kyky tarjota mekanismeja tarkkuuslääketieteen ja big datan soveltamiseksi lääketieteessä ja samalla tehostaa kardiologin suosittelemaa hoitoa. Lisäksi AI/ML-algoritmit voivat analysoida tietoja ilman oletuksia ennustus- ja luokittelutarkoituksiin. Siten sydän- ja verisuonilääketiede voi hyötyä huomattavasti tekoälyn sisällyttämisestä ja harkitusta käytöstä (Romiti et al., 2020).

Kardiometaboliset häiriöt (CMD), mukaan lukien sydäninfarkti, aivohalvaus ja tyypin 2 diabetes mellitus (T2DM), liittyvät lisääntyneeseen sairastumiseen ja kuolleisuuteen, ja tiedetään, että yksilön elämäntapa ja liikunnan taso ovat merkittäviä sydän- ja verisuonitautien riskitekijöitä. Tämä pätee erityisesti potilaisiin, jotka viettävät pitkiä aikoja istumatyössä, joilla on rajoitettu liikkuvuus tai joiden mielestä on haastavaa ylläpitää hyväksyttävää määrää liikuntaa, puhumattakaan sydämen ja aineenvaihdunnan terveydelle suositelluista kohtalaisista voimakkaisiin tasoihin (Landry et al. , 2022).

Aasian intiaanit ovat yksi maailman suurimmista kasvavista etnisistä ryhmistä, ja heillä on yksi suurimmista sydän- ja verisuonitautien (CVD) esiintymistiheydistä, mukaan lukien T2DM (Van Niel et al., 2021) sepelvaltimotauti (mukaan lukien suuret haitalliset kardiovaskulaariset tapahtumat tai MACE) . Useita sydän- ja verisuonitautien syitä on tunnistettu, kuten länsimaisten ruokailutottumusten ja -tottumusten omaksuminen, geneettinen taipumus, lipoproteiinien epätasapaino ja vatsan liikalihavuus. Tietyt perinataaliset vaikutteet katsotaan myös mahdollisiksi vaikuttajiksi.

Runsas omega-6-PUFA-rasvojen ja tyydyttyneiden rasvojen kulutus korreloi merkittävästi paastohyperinsulinemian ja subkliinisen tulehduksen kanssa. Tällainen epätasapainoinen ruokavalio edistää insuliiniresistenssin, metabolisen oireyhtymän ja T2DM:n suurta esiintyvyyttä Aasian intialaisilla (Isharwal, Misra, Wasir & Nigam, 2009). Lisäksi geneettiset, kulttuuriset ja sosioekonomiset tekijät ovat johtaneet tähän terveydenhuoltokriisiin. Tutkimukset ovat johdonmukaisesti osoittaneet, että Aasian intialaisilla on korkea insuliiniresistenssin esiintyvyys, mikä lisää heidän taipumusta kehittää T2DM- ja sydän- ja verisuonitautia nuorempana verrattuna muihin etnisiin ryhmiin kuuluviin henkilöihin (Misra & Vikram, 2004). Tärkeitä syitä voivat olla niiden liika rasvakudos ja haitallinen kehon rasvakuviointi, mukaan lukien vatsan rasvaisuus, vaikka painoindeksi olisi tällä hetkellä määriteltyjen normaalirajojen sisällä. Jotkut näistä piirteistä on raportoitu syntymässä ja lapsuudessa.

American Diabetes Association (ADA) on alentanut BMI-rajaa (verrattuna valkoihoisiin) T2DM-seulonnalle Etelä-Aasiassa. Joitakin kohdatuista ongelmista ovat: vaihtelu kliinisen riskin kerrostumisessa; vakiintuneiden suuntaviivojen puute ateroskleroosin kuvantamista varten ja tiedon niukkuus merkityksellisten kliinisten ohjeiden laatimiseksi Aasian-intiaanien etnisille henkilöille.

Aasian intiaanien väestö kasvaa Yhdysvalloissa nopeasti (Gujral & Kanaya, 2021). American Heart Associationin (AHA) äskettäinen tutkimus korostaa sydän- ja verisuonitautien lisääntyvää esiintyvyyttä ja kuolleisuutta tässä etnisessä ryhmässä, mikä johtuu pääasiassa insuliiniresistenssistä ja T2DM:n lisääntyneestä esiintyvyydestä. Intialaiset edustavat erittäin menestyvää maahanmuuttajaryhmää, jolla on korkeammat tulot ja paremmat sosiaaliset ja taloudelliset indikaattorit. Tästä tekoälypohjaisesta tutkimuksesta saadut alustavat tiedot antavat tiimillemme mahdollisuuden hankkia tarvittavat varat tämän alan pitkän aikavälin tulevaan tutkimukseen.