Cercetătorii au dezvoltat un sistem numit PULSE – Patient Unified Longitudinal Signal Engine, conceput să analizeze pacientul nu doar prin prisma rezultatelor obținute la un anumit moment, ci și în funcție de evoluția sa medicală în timp.
Modelul folosește analize de laborator, istoricul medical și, în anumite aplicații, alte tipuri de informații clinice pentru a construi o reprezentare a stării fiziologice a unei persoane, respectiv a modului în care funcționează organismul acesteia, relatează News.ro.
De la 61 de analize uzuale la 251 de biomarkeri metabolici
Într-o primă etapă, cercetătorii au testat PULSE pe aproximativ 10.000 de participanți din UK Biobank pentru care existau date medicale colectate la două evaluări efectuate la momente diferite.
Modelul a primit informații provenite din 61 de teste de laborator de rutină, iar obiectivul a fost reconstruirea unui profil format din 251 de biomarkeri metabolomici - molecule mici din organism, măsurabile în sânge, urină sau alte probe biologice, ale căror niveluri pot oferi informații despre procesele metabolice care au loc în organism. Acestea sunt substanțe rezultate sau implicate în metabolism — de exemplu aminoacizi, acizi grași, lipide, zaharuri sau produși ai degradării acestora — care pot funcționa ca „indicatori” ai unei anumite stări biologice. De exemplu, anumite combinații sau concentrații ale acestor molecule pot fi asociate cu prezența unei boli, riscul de apariție a acesteia, evoluția bolii sau răspunsul la tratament.
În acest studiu, participanții au fost împărțiți în două grupuri: unul ale cărui date au fost folosite pentru dezvoltarea și antrenarea modelului, și altul pentru testarea independentă a acestuia. Astfel, datele persoanelor din grupul de testare nu au fost utilizate pentru antrenarea sistemului.
PULSE a obținut rezultate mai bune în reconstruirea profilului metabolomic decât alte trei metode de AI folosite de cercetători pentru comparație.
Un element important este faptul că modelul utilizează istoricul individual al pacientului.
În loc să interpreteze, de exemplu, o valoare a colesterolului sau a glicemiei exclusiv prin raportare la populația generală, sistemul poate ține cont și de modul în care parametrii acelei persoane au evoluat anterior.
Potrivit autorilor, eliminarea informațiilor despre starea anterioară a pacientului a redus performanța modelului, ceea ce sugerează că istoricul individual conține informații suplimentare relevante pentru estimarea stării fiziologice la momentul evaluării.
AI-ul a putut urmări inclusiv modificarea în timp a unor biomarkeri
Cercetătorii au analizat și capacitatea PULSE de a estima nu doar valoarea unui biomarker, ci și modificarea acestuia între două momente.
Pentru raportul dintre colesterolul liber și lipidele totale din particulele LDL mari, corelația dintre modificarea estimată de model și cea măsurată efectiv a ajuns la r = 0,850, cea mai bună performanță dintre metodele evaluate în studiu, ceea ce înseamnă că modelul a reușit să estimeze cu o precizie ridicată modul în care acest biomarker s-a modificat în timp, comparativ cu schimbările observate în măsurătorile reale.
Autorii subliniază că această abordare longitudinală (analizarea evoluției valorilor în timp, la aceeași persoană) este relevantă, deoarece aceeași valoare măsurată la două persoane poate avea semnificații diferite în funcție de nivelul lor obișnuit și de modificările înregistrate anterior.
Aproape 3.000 de proteine estimate din analize și istoricul medical
Cercetătorii au testat ulterior o aplicație și mai complexă.
PULSE a fost aplicat unui grup de 50.000 de participanți din UK Biobank Pharma Proteomics Project, pentru care existau simultan analize de laborator, informații privind istoricul medical și date proteomice - informații despre proteinele măsurate în probele biologice.
Pornind de la cele 61 de teste de laborator și istoricul medical, modelul a fost utilizat pentru generarea unui profil care cuprinde 2.923 de proteine plasmatice - proteine prezente în plasma sanguină.
Istoricul introdus în model a inclus informații precum diagnosticele, medicamentele administrate și comorbiditățile pacientului - alte afecțiuni de care acesta suferă.
În testarea pe un lot separat de 15.000 de persoane, PULSE a depășit metodele de AI utilizate pentru comparație în estimarea majorității proteinelor analizate.
Profilurile generate de AI au fost testate pentru predicția bolilor
Cercetătorii au mers apoi mai departe și au verificat dacă proteinele estimate de inteligența artificială păstrează suficientă informație biologică pentru a putea fi utilizate în evaluarea riscului de boală.
Au fost analizate șase boli majore asociate înaintării în vârstă.
Modelele bazate pe profilurile proteomice generate de PULSE au obținut valori ale ariei de sub curba ROC (AUC), un indicator al capacității modelului de a diferenția între persoanele cu și fără o anumită afecțiune, cuprinse între 0,72 și 0,83 - unde 0,5 înseamnă că modelul nu poate diferenția persoanele cu afecțiunea respectivă de cele care nu au boala, iar 1 indică o diferențiere perfectă - performanța maximă posibilă. Performanțele au fost comparabile cu cele obținute atunci când au fost folosite profilurile proteomice măsurate efectiv.
Rezultatul este important deoarece profilarea proteomică extinsă presupune tehnologii și costuri care fac dificilă utilizarea sa de rutină pentru populații foarte mari.
Modelul a identificat și posibile traiectorii diferite ale îmbătrânirii
Analiza datelor a scos în evidență și un alt fenomen.
Persoanele de aceeași vârstă cronologică nu aveau întotdeauna profiluri fiziologice similare, ceea ce indică diferențe în starea biologică a organismului chiar și între persoane de aceeași vârstă.
Pe baza modului în care aceste profiluri fiziologice s-au modificat odată cu înaintarea în vârstă, cercetătorii au identificat trei tipare distincte de evoluție, pe care le-au descris drept trei traiectorii ale îmbătrânirii.
Una dintre aceste traiectorii a fost asociată cu o proporție mai mare de persoane care au dezvoltat, în timp, boală pulmonară obstructivă cronică (BPOC), diabet, insuficiență cardiacă sau accident vascular cerebral (AVC), comparativ cu persoanele de vârstă similară, dar cu o evoluție fiziologică diferită.
Autorii au interpretat acest tipar de evoluție drept o posibilă traiectorie de îmbătrânire accelerată.
De ce ar putea fi important pentru medicina personalizată
Proteomica și metabolomica permit analizarea simultană a unui număr foarte mare de molecule din organism și pot oferi o imagine mult mai detaliată asupra proceselor biologice decât analizele uzuale.
Problema este că astfel de investigații sunt costisitoare și dificil de efectuat repetat la scară largă.
În schimb, hemoleucograma, profilul lipidic, glicemia și numeroase alte teste biochimice sunt deja efectuate în mod curent în sistemele medicale.
PULSE explorează posibilitatea ca informația relativ limitată provenită din aceste investigații să fie combinată cu istoricul pacientului pentru a estima nivelurile unor molecule din organism (informația moleculară), precum metaboliți și proteine, care în prezent pot fi măsurate prin teste mult mai sofisticate.
Autorii consideră că o asemenea abordare ar putea, în viitor, să faciliteze accesul la metode de medicină de precizie inclusiv în sisteme medicale sau regiuni în care profilarea moleculară complexă (analiza detaliată a moleculelor din organism) este prea costisitoare.
AI-ul nu înlocuiește însă analizele de laborator
Rezultatele nu înseamnă că inteligența artificială poate înlocui în prezent măsurarea efectivă a miilor de biomarkeri.
Altfel spus, PULSE nu măsoară direct aceste molecule, ci estimează statistic nivelurile lor pe baza tiparelor identificate în volume mari de date. Precizia acestor estimări diferă însă de la un biomarker la altul.
Cercetătorii au observat, de exemplu, că modelul estimează mai precis metaboliții ale căror niveluri tind să varieze mai puțin în timp la aceeași persoană.
Modelul trebuie, de asemenea, validat în continuare înainte ca o asemenea tehnologie să poată fi utilizată pentru luarea deciziilor medicale adaptate fiecărui pacient.
Studiul indică însă o posibilă schimbare importantă de perspectivă: analizele medicale ale unei persoane ar putea deveni mai valoroase atunci când sunt interpretate împreună cu propriul său istoric biologic, nu doar prin comparație cu valorile considerate normale la nivelul populației.
