14دسامبر 2022- محققان روشی را با استفاده از تعیین پروفایل مولکولی و یادگیری ماشینی برای توسعه ی امضاهای رژیم غذایی مبتنی بر خون پیدا کردند که پیامدهای رژیم غذایی را با دقت بیشتری ارزیابی کرده و خطر بیماری قلبی عروقی و دیابت نوع 2 را پیش‌بینی می‌کند. آنها می گویند یک عکس فوری از متابولیت های موجود در خون می تواند به کسانی که در زمینه ی علوم غذایی تحقیق می کنند، اجازه دهد تا پیامدهای رژیم غذایی و تغذیه را بر سلامت افراد بهتر درک کنند.

وقتی نوبت به مطالعه غذا و رژیم غذایی می رسد، دانستن اینکه مردم چه می خورند، دشوار است، و از آن دشوارتر، پیش بینی خطر ابتلای افراد به بیماریهای ناشی از رژیم غذایی آنها است.

پزشکان و محققان معمولاً از افراد می‌خواهند که یک پرسشنامه طولانی از فرکانس غذا را پر کنند که کالری دریافتی، گروه‌های غذایی و مواد مغذی را تخمین می ‌زند. پاسخ به این پرسشنامه ها، متکی به حافظه ی فرد است و ممکن است دقیق ترین تصویر را ارائه ندهد.

با این حال، یک تیم تحقیقاتی به رهبری دکتر Venkatesh Murthy، متخصص قلب از مرکز پزشکی میشیگان، روشی را با استفاده از تعیین پروفایل مولکولی و یادگیری ماشینی برای ایجاد امضاهای رژیم غذایی در خون پیدا کردند که هم رژیم غذایی و هم خطر ابتلا به بیماری‌های قلبی عروقی و دیابت نوع ۲را با دقت بیشتری پیش‌بینی می‌کند. نتایج این مطالعه در مجله قلب اروپا منتشر شده است.

دکتر مورتی، نویسنده ی ارشد این مقاله و استاد قلب و عروق در دانشکده پزشکیمیشیگان، گفت: رژیم غذایی یک بعدی نیست و دائماً در حال تغییر است، و روش‌های سنتی ارزیابی آن کامل نیستند. ما به ابزارهایی نیاز داریم که قابل اطمینان‌تر و دقیق‌تر باشند و در عین حال استفاده از آنها برای همه آسان باشد. با استفاده از امضاهای متابولیتی و علم داده ها، می‌توانیم درک خود را از میزان مصرف واقعی مواد غذایی مختلف توسط افراد و همچنین خطراتی که رژیم غذایی آنها ممکن است برای متابولیک و قلب آنها به همراه داشته باشد، بهبود ببخشیم.

محققان بیش از 2200 بزرگسال سفیدپوست و سیاه‌پوست را در مطالعه ی توسعه خطر عروق کرونر در بزرگسالان جوان، با استفاده از نمونه‌های خون و نظرسنجی های غذایی برای تعیین نشانه‌های متابولیتی رژیم غذایی و خطر بیماریهای بعدی در طی 25 سال، دنبال کردند. از طریق یک مدل یادگیری ماشینی، محققان توانستند یک امضای تغذیه ای مبتنی بر خون ایجاد کنند که با دقت 10 تا 20٪ بیشتر کل رژیم غذایی فرد را در 19 گروه غذایی پیش بینی می کند.

علاوه بر این، این امضای تغذیه ای مبتنی بر خون، اغلب از شاخص تغذیه سالم، که معیار استاندارد ارزیابی کیفیت رژیم غذایی است، برای شناسایی افرادی که بر اساس هر گروه غذایی احتمال دارد به دیابت و بیماریهای قلبی عروقی مبتلا شوند، بهتر عمل کرد. به عنوان مثال، هنگامی که پرسشنامه بسامد غذا افزایش 18 درصدی خطر ابتلا به دیابت را برای فردی که گوشت قرمز مصرف می‌کند، نشان داد، امضای تغذیه ای مبتنی بر خون نشان داد که خطر ابتلای این فرد به دیابت 55 درصد افزایش می ‌یابد.

دکتر راوی شاه، متخصص قلب و دانشیار پزشکی در مرکز پزشکی دانشگاه واندربیلت، و یکی از نویسندگان این مقاله، گفت: استفاده از متابولیت ها برای درک قرار گرفتن در معرض مواد غذایی و تغذیه، یک حوزه ی رو به گسترش در علم تغذیه است. فراتر از درک اینکه چه نوع تغذیه ای برای سلامتی ما بهتر یا بدتر است، این روش‌ها می ‌توانند به کسانی که در رشته علوم غذایی تحقیق می‌کنند این امکان را بدهند که یک اسنپ شات متابولیکی از تغذیه و رژیم غذایی هر فرد بدست آورند، تا پیامدهای رژیم غذایی او را بر سلامت آن فرد بهتر درک کنند.

این یافته‌ها پس از اعطای جایزه 170 میلیون دلاری از سوی مؤسسه ملی بهداشت به کلینیک‌ها و مراکز سراسر کشور برای مطالعه ی تغذیه برای سلامت دقیق با «توسعه الگوریتم‌هایی برای پیش‌بینی پاسخ‌های فردی به غذا و برنامه‌های غذایی»، منتشر شده است.

به گفته ی محققان، تکنیک امضای مبتنی بر خون، باید در مطالعات آینده ‌نگر و کنترل‌ شده برای رژیم‌های غذایی مختلف مورد آزمایش قرار گیرد.

دکتر مورتی گفت: دانستن دقیق اینکه چقدر مردم به رژیم غذایی خود پایبند هستند، بر اساس امضاهای مبتنی بر خون، نتایج قوی‌تری را ایجاد خواهد کرد.تحقیقات رژیم غذایی و تغذیه ای واقعا دشوار هستند، ما این را یک گام مهم و مجموعه ای از ابزارها برای انجام تحقیقات تغذیه ای با دقت و کارایی بیشتر می دانیم. در نهایت، چنین کاری ممکن است به ما اجازه دهد تا رژیم های غذایی را برای هر یک از بیماران خود بهتر بهینه سازی کنیم.

منبع:

https://www.sciencedaily.com/releases/2022/12/221214113929.htm