Cuantificación del riesgo de obesidad: un salto hacia el futuro a través de la lente de la inteligencia artificial aplicada a la ciencia de los lípidos
Científicos y biotecnólogos se unen para crear Lipotype
Según la OMS, casi 1 de cada 6 adultos es obeso. Esto convierte a la obesidad en una de las principales amenazas para la salud humana, ya que aumenta la mortalidad y la morbilidad. En la práctica diaria del cuidado de la salud, el indicador clave del sobrepeso y la obesidad es el índice de masa corporal (IMC), una relación calculada entre el peso corporal y la estatura. Un equipo internacional de científicos dirigido por investigadores de Dresde, con un esfuerzo conjunto entre la academia y la industria en Sajonia (Alemania) introduce un enfoque revolucionario hacia la biomedicina personalizada y de precisión. El descubrimiento es que la inteligencia artificial puede ayudar a diseñar marcadores compuestos de una pequeña combinación de lípidos que permiten proporcionar más información sobre la obesidad que el IMC.
mohamed_hassan, pixabay.com, CC0
Comparación del IMC observado y el IMC predicho.
© Gerl et al
Cuando la academia se encuentra con la industria es posible dar saltos significativos hacia el futuro. Investigadores del Centro de Biotecnología (BIOTEC) de la Universidad Técnica de Dresde y Lipotype GmbH, una spin-off del Instituto Max Planck de Biología Celular Molecular y Genética de Dresde, con la participación internacional de científicos de la Universidad de Lund (Suecia) y del Instituto Nacional de Salud y Bienestar (Finlandia), se unieron para investigar críticamente el IMC de más de 1000 pacientes. El equipo internacional de investigación aplicó herramientas avanzadas de inteligencia artificial para desarrollar un algoritmo que hace uso de la composición de lípidos en la sangre humana, el lipidomo plasmático.
El lipidomo plasmático contiene cientos de lípidos distintos. "Juntos, son indicadores valiosos para explorar el estado de salud del metabolismo de un individuo, como una huella dactilar de salud", explica Mathias Gerl de Lipotype. Estos datos lipidómicos se utilizaron para entrenar el algoritmo para predecir el IMC de cada paciente.
En comparación con el IMC basado en"medidas domésticas" (IMC observado), los datos lipidómicos proporcionaron al nuevo algoritmo el poder de proponer un nuevo"IMC lipidómico molecular" (IMC predicho). El cálculo del IMC lipidómico reveló que el IMC molecular era en un número de casos significativamente mayor que el IMC tradicional. En aproximadamente 1 de cada 7 pacientes, el IMC lipidómico mejoró el clásico"IMC morfométrico" y proporcionó más información sobre la obesidad en comparación con la medición tradicional del IMC, por ejemplo, sobre la cantidad de grasa visceral, un tipo de depósito de grasa perjudicial.
"Las consecuencias a largo plazo pueden ocurrir cuando un paciente que necesita una terapia de reducción de peso para combatir el riesgo de enfermedad asociada a la obesidad es enviado a casa sin remedio", afirma Olle Melander de la Universidad de Lund. "Estos pacientes pueden sufrir repentinamente un ataque cardíaco a los 40 años, dejando a sus médicos perplejos", comenta Carlo Vittorio Cannistraci de BIOTEC en la TU Dresden y añade: "Debemos superar la lógica obsoleta de que un solo marcador puede ayudar a evaluar el riesgo en sistemas complejos como los humanos. La biomedicina computacional adopta la inteligencia artificial para diseñar marcadores multidimensionales compuestos de muchas variables que aumentan la precisión del diagnóstico. Por lo tanto, esperamos que el IMC tradicional sea reemplazado por un marcador lipidómico para superar la clasificación errónea del 14% de los pacientes".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Mathias J Gerl, Christian Klose, Michal A Surma, Celine Fernandez, Olle Melander, Satu Männistö, Katja Borodulin, Aki S Havulinna, Veikko Salomaa, Elina Ikonen, Carlo V Cannistraci & Kai Simons; "Machine learning of human plasma lipidomes for obesity estimation in a large population cohort"; PLOS Biology; 2019
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
Noticias más leídas
Más noticias de nuestros otros portales
Algo está pasando en la industria de las ciencias de la vida ...
Así es el verdadero espíritu pionero: Muchas start-ups innovadoras están aportando ideas frescas, savia nueva y espíritu emprendedor para cambiar el mundo del mañana a mejor. Sumérjase en el mundo de estas jóvenes empresas y aproveche la oportunidad de ponerse en contacto con los fundadores.
