Bruk av AI i kardiometabolsk risikoprediksjon hos asiatiske indere

AI er et begrep som innkapsler maskinlæring (ML), dyp læring, overvåket læring, uovervåket læring, kunstige nevrale nettverk (ANN) og konvolusjonelle nevrale nettverk (CNN). En viktig komponent av AI, ML, blir i økende grad brukt i helsetjenester (Shah, Patel, & Bharti, 2020), siden det er et tverrfaglig felt som bruker teknikker for å gjøre det mulig for datamaskiner å undersøke datasett uten eksplisitt programmering. ML innebærer utvikling av en modell eller algoritme ved nøye utvinning av essensielle funksjoner fra treningsdataene som brukes til testformål. Testdata brukes til å forutsi forskningsproblemer. ML kan effektivt oppsummeres som: funksjonsutvinning, valg av teknikk for dataanalyse, opplæring av den nye modellen og evaluering av dens effektivitet, og å lage spådommer ved hjelp av den trente modellen. Veiledet og uovervåket læring er former for maskinlæring. I overvåket læring brukes kjente datasett for å forstå mønstrene i datasett, mens i uovervåket læring brukes umerkede datasett for å forstå dataene (Mathur et al., 2020).

Dyplæringsstrukturer bruker mange lag med beregning. DL brukes hovedsakelig til å behandle store og rå datasett. I ANN jobber flere maskinlæringsalgoritmer sammen og behandler datainndata, men i CNN finnes skjulte noder i lag for informasjon, komplekse data og bildebehandling. Med raske fremskritt innen AI, ML og DL kan dataprogrammer effektivt simulere nevral aktivitet i hjernens neocortex hvor resonnement, tenkning og kognitive funksjoner foregår i et raskt tempo (Mathur et al., 2020).

Innen kardiovaskulær medisin har AI omfattende anvendelser innen medikamentell behandling, farmakogenomikk, hjertesvikt, avbildningsstudier og diagnostikk. Viktigere er at AI har evnen til å gi mekanismer for å bruke presisjonsmedisin og big data i medisin, samtidig som den forbedrer effektiviteten til behandlingsregimet anbefalt av kardiologen. Videre kan AI/ML-algoritmer analysere data uten forutsetninger for prediksjons- og klassifiseringsformål. Dermed kan kardiovaskulær medisin dra bemerkelsesverdig nytte av inkorporering og fornuftig utnyttelse av AI (Romiti et al., 2020).

Kardiometabolske lidelser (CMDs) inkludert hjerteinfarkt, hjerneslag og type 2 diabetes mellitus (T2DM), er knyttet til økt sykelighet og dødelighet, og det er kjent at et individs livsstil og treningsnivå er betydelige risikofaktorer for CVD. Dette gjelder spesielt for pasienter som tilbringer betydelige perioder med stillesittende arbeid, har begrenset mobilitet eller synes det er utfordrende å opprettholde akseptable mengder trening, for ikke å snakke om å nå de moderate til kraftige nivåene som anbefales for kardiometabolsk helse (Landry et al. , 2022).

Asiatiske indianere er en av de største voksende etniske gruppene i verden og har en av de høyeste forekomstene av kardiovaskulær sykdom (CVD), inkludert T2DM (Van Niel et al., 2021) koronararteriesykdom (inkludert alvorlige uønskede kardiovaskulære hendelser eller MACE) . Flere årsaker til CVD er identifisert, som å ta vestlige kostholdsmønstre og vaner, genetisk disposisjon, ubalanse i lipoproteiner og abdominal fedme. Visse perinatale påvirkninger anses også som mulige bidragsytere.

Høyt forbruk av omega-6 PUFA og mettet fett er signifikant korrelert med fastende hyperinsulinemi og subklinisk betennelse. Slike ubalanserte dietter bidrar til høy forekomst av insulinresistens, det metabolske syndromet og T2DM hos asiatiske indianere (Isharwal, Misra, Wasir & Nigam, 2009). Videre har genetiske, kulturelle og sosioøkonomiske faktorer også resultert i denne helsekrisen. Studier har konsekvent vist at asiatiske indianere har en høy forekomst av insulinresistens som øker deres tendens til å utvikle T2DM og CVD i en yngre alder sammenlignet med individer av andre etnisiteter (Misra & Vikram, 2004). Viktige årsaker kan være deres overflødige kroppsfett og ugunstige kroppsfettmønstre, inkludert abdominal fett, selv når kroppsmasseindeksen er innenfor de for øyeblikket definerte normale grensene. Noen av disse funksjonene har blitt rapportert ved fødsel og barndom.

American Diabetes Association (ADA) har senket BMI-grensen (sammenlignet med kaukasiere) for T2DM-screening hos sørasiater. Noen av problemene som oppstår er: variasjon i klinisk risikostratifisering; mangel på etablerte retningslinjer for ateroskleroseavbildning, og mangel på data for formulering av meningsfulle kliniske retningslinjer for personer med asiatisk indisk etnisitet.

Befolkningen av asiatiske indianere øker i USA i et raskt tempo (Gujral & Kanaya, 2021). En fersk forskningsstudie fra American Heart Association (AHA) understreker den økende prevalensen og dødeligheten assosiert med CVD i denne etnisiteten, hovedsakelig bidratt av insulinresistens og økt forekomst av T2DM. Indere er representative for en svært vellykket gruppe innvandrere med høyere inntekt og bedre sosiale og økonomiske indikatorer. De foreløpige dataene innhentet fra denne AI-baserte studien vil gjøre vårt team i stand til å skaffe de nødvendige midlene for langsiktig prospektiv forskning på dette feltet.