Inteligența artificială poate estima mii de biomarkeri din analizele uzuale de sânge cu profil proteomic și metabolic

Pe scurt:

• Modelul AI PULSE estimează peste 250 de biomarkeri metabolici și aproape 3.000 de proteine din analize uzuale de sânge și istoricul medical al pacientului.
• Tehnologia analizează 61 de teste de rutină și date longitudinale, oferind o imagine detaliată a stării fiziologice și riscului de boală.
• Profilurile generate au performanțe comparabile cu măsurătorile directe, fiind utile în predicția a șase boli majore asociate îmbătrânirii.
• Studiul, realizat pe 10.000 de participanți din UK Biobank, subliniază potențialul medicinei personalizate și necesitatea validării clinice suplimentare.

Inteligența artificială analize sânge pentru biomarkeri metabolici și profil proteomic

Un nou model de inteligență artificială analize sânge poate estima mii de biomarkeri metabolici și un profil proteomic detaliat, folosind date uzuale și istoricul medical al pacientului. Această tehnologie oferă o imagine complexă a stării fiziologice, depășind informațiile obținute prin testele standard, conform unui studiu publicat în Nature Computational Science.

Estimarea biomarkerilor metabolici din analize uzuale

Sistemul PULSE (Patient Unified Longitudinal Signal Engine) analizează 61 de teste de laborator de rutină și istoricul medical pentru a reconstrui un profil cu 251 de biomarkeri metabolici. Acești biomarkeri includ molecule mici implicate în metabolism, cum ar fi aminoacizi, lipide și zaharuri, care pot indica starea biologică și riscul de boală.

Modelul a fost testat pe aproximativ 10.000 de participanți din UK Biobank, împărțiți în grupuri pentru antrenare și testare independentă. PULSE a depășit alte metode de inteligență artificială în precizia estimărilor, beneficiind de integrarea evoluției individuale a parametrilor medicali în timp.

Profil proteomic și urmărirea modificărilor în timp

PULSE a fost aplicat și pentru estimarea a 2.923 de proteine plasmatice, folosind date din UK Biobank Pharma Proteomics Project. Modelul a combinat analizele de laborator cu istoricul medical, inclusiv diagnostice și tratamente, pentru a genera profiluri proteomice complexe.

De asemenea, sistemul a urmărit modificările biomarkerilor în timp, obținând o corelație ridicată între valorile estimate și cele măsurate efectiv, ceea ce subliniază relevanța analizei longitudinale în evaluarea stării de sănătate.

Aplicații în predicția bolilor și medicina personalizată

Profilurile generate de inteligența artificială au fost testate pentru predicția a șase boli majore asociate îmbătrânirii, obținând valori AUC între 0,72 și 0,83. Performanțele au fost comparabile cu cele ale profilurilor proteomice măsurate direct, sugerând potențialul acestei metode în medicina de precizie.

Analiza datelor a identificat trei traiectorii distincte ale îmbătrânirii, evidențiind diferențe în starea biologică între persoane de aceeași vârstă cronologică. Unele traiectorii au fost asociate cu un risc crescut pentru boli precum BPOC, diabet sau AVC.

Astfel, PULSE poate facilita accesul la profilarea moleculară detaliată în condiții mai accesibile, integrând informațiile din analizele uzuale și istoricul pacientului.

Limitări și perspective viitoare

Modelul nu înlocuiește măsurarea directă a biomarkerilor, ci estimează nivelurile acestora pe baza unor tipare statistice. Precizia variază în funcție de biomarker, iar validarea suplimentară este necesară înainte de utilizarea clinică.

Studiul evidențiază importanța interpretării analizelor medicale în contextul evoluției individuale, nu doar prin comparație cu valorile populației generale, deschizând noi direcții pentru medicina personalizată.

Sursa originală a acestui articol este https://www.news.ro/cultura-media/inteligenta-artificiala-ar-putea-citi-mult-mai-mult-din-analizele-uzuale-de-sange-un-model-poate-estima-mii-de-biomarkeri-moleculari-1922401130472026080922675046 (link)