Использование ИИ для прогнозирования кардиометаболического риска у азиатских индейцев

AI — это термин, который включает в себя машинное обучение (ML), глубокое обучение, обучение с учителем, обучение без учителя, искусственные нейронные сети (ANN) и сверточные нейронные сети (CNN). Неотъемлемый компонент ИИ, машинное обучение, все чаще используется в приложениях для здравоохранения (Shah, Patel, & Bharti, 2020), поскольку это междисциплинарная область, в которой используются методы, позволяющие компьютерам исследовать наборы данных без явного программирования. ML включает в себя разработку модели или алгоритма путем тщательного извлечения основных функций из обучающих данных, которые используются для целей тестирования. Тестовые данные используются для прогнозирования проблем исследования. ML можно эффективно резюмировать как: извлечение признаков, выбор метода анализа данных, обучение новой модели и оценка ее эффективности, а также создание прогнозов с использованием обученной модели. Контролируемое и неконтролируемое обучение являются формами машинного обучения. При обучении с учителем известные наборы данных используются для понимания закономерностей в наборах данных, тогда как при обучении без учителя для понимания данных используются немаркированные наборы данных (Mathur et al., 2020).

Структуры глубокого обучения используют многочисленные уровни вычислений. DL в основном используется для обработки больших и необработанных наборов данных. В ANN несколько алгоритмов машинного обучения работают вместе и обрабатывают входные данные, но в CNN существуют скрытые узлы в слоях для обработки информации, сложных данных и изображений. Благодаря быстрому развитию ИИ, машинного обучения и глубокого обучения компьютерные программы могут эффективно моделировать нейронную активность неокортекса головного мозга, где рассуждение, мышление и когнитивные функции выполняются в быстром темпе (Mathur et al., 2020).

В области сердечно-сосудистой медицины ИИ широко применяется в лекарственной терапии, фармакогеномике, сердечной недостаточности, визуализационных исследованиях и диагностике. Важно отметить, что ИИ может предоставить механизмы для применения точной медицины и больших данных в медицине, одновременно повышая эффективность схемы лечения, рекомендованной кардиологом. Кроме того, алгоритмы AI/ML могут анализировать данные без предположений в целях прогнозирования и классификации. Таким образом, сердечно-сосудистая медицина может значительно выиграть от включения и разумного использования ИИ (Romiti et al., 2020).

Кардиометаболические расстройства (CMD), включая инфаркт миокарда, инсульт и сахарный диабет 2 типа (СД2), связаны с повышенной заболеваемостью и смертностью, и известно, что образ жизни человека и уровень физической активности являются значительными факторами риска сердечно-сосудистых заболеваний. Это особенно верно для пациентов, которые проводят значительное время в сидячей работе, имеют ограниченную подвижность или испытывают трудности с поддержанием приемлемого количества упражнений, не говоря уже о достижении умеренного или интенсивного уровня, рекомендованного для кардиометаболического здоровья (Landry et al. , 2022).

Индейцы азиатского происхождения являются одной из крупнейших растущих этнических групп в мире и имеют один из самых высоких показателей сердечно-сосудистых заболеваний (ССЗ), включая СД2 (Van Niel et al., 2021), ишемическую болезнь сердца (включая серьезные неблагоприятные сердечно-сосудистые события или MACE) . Было выявлено несколько причин сердечно-сосудистых заболеваний, таких как принятие западных моделей питания и привычек, генетическая предрасположенность, дисбаланс липопротеинов и абдоминальное ожирение. Определенные перинатальные влияния также рассматриваются как возможные факторы.

Высокое потребление омега-6 ПНЖК и насыщенных жиров значительно коррелирует с гиперинсулинемией натощак и субклиническим воспалением. Такое несбалансированное питание способствует высокой распространенности инсулинорезистентности, метаболического синдрома и СД2 у азиатских индейцев (Isharwal, Misra, Wasir & Nigam, 2009). Кроме того, генетические, культурные и социально-экономические факторы также привели к этому кризису в области здравоохранения. Исследования постоянно показывают, что у азиатских индийцев высока распространенность резистентности к инсулину, что повышает их склонность к развитию СД2 и ССЗ в более молодом возрасте по сравнению с лицами других национальностей (Misra & Vikram, 2004). Важными причинами могут быть избыток жира в организме и неблагоприятное формирование жировых отложений, включая абдоминальное ожирение, даже когда индекс массы тела находится в пределах установленных в настоящее время нормальных пределов. О некоторых из этих особенностей сообщалось при рождении и детстве.

Американская диабетическая ассоциация (ADA) понизила пороговое значение ИМТ (по сравнению с кавказцами) для скрининга на СД2 у выходцев из Южной Азии. Вот некоторые из возникающих проблем: вариабельность стратификации клинического риска; отсутствие установленных руководств по визуализации атеросклероза и нехватка данных для разработки значимых клинических руководств у лиц азиатско-индейской национальности.

Население азиатских индейцев в Соединенных Штатах растет быстрыми темпами (Gujral & Kanaya, 2021). Недавнее исследование, проведенное Американской кардиологической ассоциацией (AHA), подчеркивает растущую распространенность и смертность, связанную с сердечно-сосудистыми заболеваниями, среди этой этнической группы, чему в основном способствуют резистентность к инсулину и повышенная заболеваемость СД2. Индийцы представляют собой весьма успешную группу иммигрантов с более высокими доходами и лучшими социально-экономическими показателями. Предварительные данные, полученные в результате этого исследования на основе ИИ, позволят нашей команде получить необходимые средства для долгосрочных перспективных исследований в этой области.