Gebruik van AI bij cardiometabolische risicovoorspelling bij Aziatische Indianen

AI is een term die machine learning (ML), deep learning, begeleid leren, leren zonder toezicht, kunstmatige neurale netwerken (ANN's) en convolutionele neurale netwerken (CNN's) omvat. Een essentieel onderdeel van AI, ML, wordt steeds vaker gebruikt in toepassingen in de gezondheidszorg (Shah, Patel, & Bharti, 2020), aangezien het een interdisciplinair veld is dat technieken gebruikt om computers in staat te stellen datasets te onderzoeken zonder expliciete programmering. ML omvat de ontwikkeling van een model of algoritme door zorgvuldige extractie van essentiële kenmerken uit de trainingsgegevens die worden gebruikt voor testdoeleinden. Testgegevens worden gebruikt voor het doen van voorspellingen over onderzoeksproblemen. ML kan effectief worden samengevat als: kenmerkextractie, selectie van techniek voor gegevensanalyse, training van het nieuwe model en evaluatie van de doeltreffendheid ervan, en voorspellingen doen met behulp van het getrainde model. Supervised en unsupervised learning zijn vormen van machine learning. Bij gesuperviseerd leren worden bekende datasets gebruikt om de patronen in datasets te begrijpen, terwijl bij niet-gesuperviseerd leren niet-gelabelde datasets worden gebruikt om de gegevens te begrijpen (Mathur et al., 2020).

Deep learning-structuren gebruiken talloze rekenlagen. DL wordt voornamelijk gebruikt voor het verwerken van grote en onbewerkte datasets. In ANN werken meerdere machine learning-algoritmen samen en verwerken ze gegevensinvoer, maar in CNN bestaan ​​verborgen knooppunten in lagen voor informatie, complexe gegevens en beeldverwerking. Met snelle vooruitgang in AI, ML en DL kunnen computerprogramma's op effectieve wijze de neurale activiteit van de neocortex van de hersenen simuleren, waar redeneren, denken en cognitieve functies in hoog tempo plaatsvinden (Mathur et al., 2020).

Op het gebied van cardiovasculaire geneeskunde heeft AI uitgebreide toepassingen in medicamenteuze therapie, farmacogenomica, hartfalen, beeldvormende onderzoeken en diagnostiek. Belangrijk is dat AI het vermogen heeft om mechanismen te bieden om precisiegeneeskunde en big data in de geneeskunde toe te passen en tegelijkertijd de effectiviteit van het door de cardioloog geadviseerde behandelingsregime te verbeteren. Verder kunnen AI/ML-algoritmen gegevens analyseren zonder aannames voor voorspellings- en classificatiedoeleinden. De cardiovasculaire geneeskunde kan dus opmerkelijk profiteren van de integratie en het oordeelkundige gebruik van AI (Romiti et al., 2020).

Cardiometabolische aandoeningen (CMD's), waaronder myocardinfarct, beroerte en diabetes mellitus type 2 (T2DM), worden in verband gebracht met een verhoogde morbiditeit en mortaliteit, en het is bekend dat iemands levensstijl en mate van lichaamsbeweging significante risicofactoren zijn voor HVZ. Dit geldt met name voor patiënten die aanzienlijke tijd zittend werk verrichten, een beperkte mobiliteit hebben of het moeilijk vinden om een ​​aanvaardbare hoeveelheid lichaamsbeweging vol te houden, laat staan ​​dat ze de matige tot zware niveaus bereiken die worden aanbevolen voor cardiometabolische gezondheid (Landry et al. , 2022).

Aziatische Indiërs zijn een van de grootste groeiende etnische groepen ter wereld en hebben een van de hoogste percentages hart- en vaatziekten (HVZ), waaronder T2DM (Van Niel et al., 2021) coronaire hartziekte (inclusief ernstige nadelige cardiovasculaire gebeurtenissen of MACE) . Er zijn verschillende oorzaken van hart- en vaatziekten geïdentificeerd, zoals de acceptatie van westerse voedingspatronen en -gewoonten, genetische aanleg, onevenwichtigheid in lipoproteïnen en abdominale obesitas. Bepaalde perinatale invloeden worden ook als mogelijke bijdragers beschouwd.

Hoge consumptie van omega-6 PUFA's en verzadigd vet zijn significant gecorreleerd met nuchtere hyperinsulinemie en subklinische ontsteking. Dergelijke onevenwichtige diëten dragen bij aan een hoge prevalentie van insulineresistentie, het metabool syndroom en T2DM bij Aziatische Indianen (Isharwal, Misra, Wasir & Nigam, 2009). Verder hebben genetische, culturele en sociaaleconomische factoren ook geleid tot deze gezondheidscrisis. Studies hebben consequent aangetoond dat Aziatische Indiërs een hoge prevalentie van insulineresistentie hebben, wat hun neiging om T2DM en CVD te ontwikkelen op jongere leeftijd vergroot in vergelijking met personen van andere etniciteiten (Misra & Vikram, 2004). Belangrijke redenen kunnen hun overmatige lichaamsvet en ongunstige lichaamsvetpatronen zijn, waaronder buikvet, zelfs wanneer de body mass index binnen de momenteel gedefinieerde normale limieten ligt. Sommige van deze kenmerken zijn gemeld bij de geboorte en de kindertijd.

De American Diabetes Association (ADA) heeft de BMI-grenswaarde (vergeleken met blanken) voor T2DM-screening bij Zuid-Aziaten verlaagd. Enkele van de ondervonden problemen zijn: variabiliteit in klinische risicostratificatie; gebrek aan gevestigde richtlijnen voor beeldvorming van atherosclerose en schaarste aan gegevens voor het formuleren van zinvolle klinische richtlijnen bij personen van Aziatisch-Indiase etniciteit.

De populatie Aziatische Indiërs neemt in de Verenigde Staten in hoog tempo toe (Gujral & Kanaya, 2021). Een recent onderzoek door de American Heart Association (AHA) onderstreept de toenemende prevalentie en mortaliteit geassocieerd met HVZ in deze etniciteit, voornamelijk veroorzaakt door insulineresistentie en verhoogde incidentie van T2DM. Indiërs zijn representatief voor een zeer succesvolle groep immigranten met hogere inkomens en betere sociale en economische indicatoren. De voorlopige gegevens die uit deze op AI gebaseerde studie zijn verkregen, zullen ons team in staat stellen de nodige fondsen te verkrijgen voor prospectief langetermijnonderzoek op dit gebied.