Aprovechando el poder de la IA para avanzar en el conocimiento de la diabetes tipo 1

Crédito: Unsplash/CC0 Public Domain

Un equipo interdisciplinario de investigadores de la Universidad de Missouri (MU), Children’s Mercy Kansas City y Texas Children’s Hospital ha utilizado un nuevo enfoque basado en datos para obtener más información sobre las personas con diabetes tipo 1, que representan entre el 5 y el 10 % de todos los diagnósticos de diabetes. El equipo recopiló su información a través de la informática de la salud y la inteligencia artificial aplicada (IA) para comprender mejor la enfermedad.

En el estudio, el equipo analizó datos del mundo real disponibles públicamente de aproximadamente 16 000 participantes inscritos en el Registro de la Clínica de Intercambio de DT1. Al aplicar un algoritmo de minería de patrones de contraste desarrollado en la Facultad de Ingeniería de MU, el equipo pudo identificar las principales diferencias en los resultados de salud entre las personas que viven con diabetes tipo 1 que tienen o no antecedentes familiares inmediatos de la enfermedad.

Chi-Ren Shyu, director del MU Institute for Data Science and Informatics (MUIDSI), dirigió el enfoque de IA utilizado en el estudio y dijo que la técnica es de naturaleza exploratoria.

» Aquí dejamos que la computadora haga el trabajo de conectar millones de puntos en los datos para identificar solo los principales patrones contrastantes entre personas con y sin antecedentes familiares de diabetes tipo 1, y para realizar las pruebas estadísticas para asegurarnos de que confiamos en nuestros resultados. «, dijo Shyu, profesor Paul K. y Dianne Shumaker en la Facultad de Ingeniería de MU.

Erin Tallon, estudiante de posgrado en MUIDSI y autora principal del estudio, dijo que el análisis del equipo resultó en algunos hallazgos desconocidos.

«Por ejemplo, encontraron que a las personas en el registro que tenían un familiar inmediato con diabetes tipo 1 se les diagnosticaba con más frecuencia hipertensión, así como enfermedades nerviosas, oculares y renales relacionadas con la diabetes», dijo Tallon. «También encontramos una concurrencia más frecuente de estas afecciones en personas que tenían antecedentes familiares inmediatos de diabetes tipo 1. Además, las personas que tenían antecedentes familiares inmediatos de diabetes tipo 1 también tenían con mayor frecuencia ciertas características demográficas».

La pasión de Tallon por este proyecto comenzó con una conexión personal y creció rápidamente como resultado de su experiencia trabajando como enfermera en una unidad de cuidados críticos intensivos (UCI). A menudo veía a pacientes con diabetes tipo 1 que también tenían otras afecciones coexistentes, como enfermedad renal y presión arterial alta. Sabiendo que el diagnóstico de diabetes tipo 1 de una persona a menudo ocurre solo cuando la enfermedad ya está muy avanzada, quería encontrar mejores formas de prevención y diagnóstico, comenzando por encontrar una manera de analizar la gran cantidad de datos disponibles públicamente ya recopilados sobre la enfermedad.

En 2019, Mark Clements, endocrinólogo pediátrico en Children’s Mercy Kansas City, profesor de pediatría en la Universidad de Missouri-Kansas City y autor correspondiente del estudio, fue invitado a hablar en la Conferencia de Bioinformática del Medio Oeste. organizado por BioNexus KC. Si bien Tallon no pudo asistir a la presentación de Clements, siguió con una llamada telefónica para compartir su propuesta para ayudar a las personas a comprender mejor la diabetes tipo 1. Estaba intrigado. Eventualmente, Tallon le presentó a Clements a Shyu, y nació una colaboración de investigación en curso.

Tallon dijo que los resultados de la colaboración hablan del poder y el valor de usar datos del mundo real.

«La diabetes tipo 1 no es una enfermedad única que se ve igual para todos, se ve diferente para diferentes personas y estamos trabajando en la vanguardia para abordar ese problema», dijo Tallon. «Al analizar los datos del mundo real, podemos comprender mejor los factores de riesgo que pueden hacer que alguien tenga un mayor riesgo de desarrollar malos resultados de salud».

Si bien los resultados son prometedores, Tallon dijo que los investigadores estaban limitados por no tener un conjunto de datos basados en la población con el que trabajar.

«Es importante señalar aquí que nuestros hallazgos tienen una limitación que esperamos abordar en el futuro mediante el uso de conjuntos de datos más grandes basados en la población», dijo Tallon. «Buscamos construir cohortes de pacientes más grandes, analizar más datos y usar estos algoritmos para ayudarnos a hacer eso».

Medicina personalizada

Clements espera que el enfoque se pueda adoptar como una forma de ayudar a desarrollar opciones de tratamiento personalizadas para las personas con diabetes.

«Para obtener la tratamiento correcto para el paciente correcto en el momento correcto, primero debemos entender cómo identificar a los pacientes que corren un mayor riesgo de padecer la enfermedad y sus complicaciones al hacer preguntas tales como si hay características tempranas en la vida de alguien que puedan ayudar a identificar un individuo con alto riesgo de un resultado en los próximos años», aseguró Clements. «Algún día, tener toda esta información podría ayudarnos a establecer una imagen más completa del riesgo de una persona, y podemos usar esa información para desarrollar un enfoque más personalizado tanto para la prevención como para el tratamiento».

El estudio fue publicado en Diabetes Care. Los estudiantes graduados de MU, Danlu Liu y Katrina Boles, y Maria Redondo del Texas Children’s Hospital, también contribuyeron al estudio.

Explore más

La obesidad es más frecuente en personas con diabetes tipo 1 de lo que se pensaba anteriormente Más información: Erin M. Tallon et al, Contrast Pattern Mining With the T1D Exchange Clinic Registry Reveals Complex Factores fenotípicos y patrones de comorbilidad asociados con la diabetes tipo 1 familiar frente a la esporádica, Diabetes Care (2022). DOI: 10.2337/dc21-2239 Información de la revista: Diabetes Care

Proporcionado por la Universidad de Missouri Cita: Aprovechar el poder de la IA para avanzar en el conocimiento de la diabetes tipo 1 ( 2022, 21 de marzo) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-03-harnessing-power-ai-advance-knowledge.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.