۱۶ فوریه ۲۰۲۶- مقاومت به انسولین، یعنی حالتی که بدن به درستی به انسولین- هورمونی که به کنترل سطح گلوکز خون کمک می کند- پاسخ نمی دهد، یکی از علل بنیادی دیابت است. علاوه بر دیابت، به خوبی مشخص شده است که مقاومت به انسولین می تواند منجر به بیماری های قلبی-عروقی، کلیوی و کبدی شود. اگرچه مقاومت به انسولین ارتباط تنگاتنگی با چاقی دارد، ارزیابی مستقیم آن در محیط بالینی دشوار بوده است. برای نخستین بار، پژوهشگرانی از جمله محققان دانشگاه توکیو، یک مدل پیش بینی مبتنی بر یادگیری ماشین را برای مقاومت به انسولین بر روی نیم میلیون شرکت کننده از پایگاه دادهٔ بیوبانک بریتانیا به کار برده و نشان دادند که مقاومت به انسولین یک عامل خطر برای ۱۲ نوع سرطان است.
دیابت، یکی از نگرانی های شایع در سراسر جهان است. ارتباط آن با مقاومت به انسولین برای بسیاری آشناست، اما آنچه شواهد کمتری در مورد آن وجود دارد، این است که مقاومت به انسولین به عنوان یک عامل خطر برای چندین سرطان نیز مطرح شده است. با این حال، بدن انسان بسیار پیچیده است و تعیین روابط علّی میان بیماری ها و اختلالات درون بدن کار ساده ای نیست. پژوهشگران پزشکی از روش های مختلفی برای یافتن این ارتباطات استفاده می کنند و یکی از ابزارهای رو به رشد در این حوزه، هوش مصنوعی، به ویژه یادگیری ماشین است. دکتر یوتا هیرایکه، پژوهشگر بیمارستان دانشگاه توکیو، و تیمش با موفقیت از ابزار یادگیری ماشینی که خود طراحی کرده اند برای اثبات ارتباط میان مقاومت به انسولین و چندین نوع سرطان استفاده کردند.
دکتر هیرایکه می گوید: «ما اخیراً ابزاری به نام AI‑IR ساختیم که می تواند مقاومت به انسولین را بر اساس ۹ شاخص پزشکی مختلف در افراد پیش بینی کند. این ابزار موفقیت آمیز بود و ما را به این فکر انداخت که می توانیم آن را در حوزه های مرتبط نیز به کار ببریم. اگرچه پیش تر ارتباط احتمالی میان مقاومت به انسولین و سرطان مطرح شده بود، اما شواهد در مقیاس بزرگ محدود بود، زیرا ارزیابی مقاومت به انسولین در کلینیک دشوار است. اما با AI‑IR، ما نخستین شواهد جمعیتی را ارائه کردیم که نشان می دهد مقاومت به انسولین یک عامل خطر برای سرطان است. از آنجایی که ۹ پارامتر ورودیAI‑IR از طریق چکاپ های معمول سلامت به دست می آیند، این ابزار می تواند به سادگی برای شناسایی افراد پرخطر و امکان غربالگری هدفمند دیابت، بیماری قلبی–عروقی و سرطان به کار گرفته شود».
در حال حاضر معمولاً از شاخص تودهٔ بدنی (BMI) به عنوان معیاری برای چربی بدن جهت پیش بینی مقاومت به انسولین و خطر سرطان های مرتبط استفاده می شود. اما این روش با خطا همراه است: برخی افراد چاق از نظر متابولیکی سالم هستند و عوارض چاقی را تجربه نمی کنند، در حالی که برخی افراد با BMI طبیعی دچار مقاومت به انسولین یا مشکلات مرتبط با چاقی می شوند. یکی از چالش های دکتر هیرایکه و تیمش این بود که داوران مقاله را قانع کنند که AI‑IR می تواند بر این محدودیت ها غلبه کند و عملکردی قابل اعتماد و تکرارپذیر داشته باشد. خوشبختانه، آن ها نه تنها قدرت پیشبینی مدل را نشان دادند، بلکه ثابت کردند که این مدل در شرایط مختلف نیز پایدار است.
هنگامی که AI‑IR با اندازه گیری مستقیم مقاومت به انسولین در مجموعه داده های اعتبارسنجی مقایسه شد، عملکرد آن در پیشبینی بسیار خوب بود. اندازه گیری مستقیم مقاومت به انسولین تنها در کلینیک های تخصصی دیابت عملی است و در مقیاس جمعیتی قابل اجرا نیست. AI‑IR،یک جایگزین پایدار و قابل گسترش برای ارزیابی مقاومت به انسولین در سطح جمعیت فراهم می کند. با ترکیب ۹پارامتر بالینی در یک شاخص واحد، AI‑IR می تواند مقاومت به انسولین را شناسایی کند در حالی که BMI به تنهایی قادر به توضیح آن نیست.
دکتر هیرایکه، گفت:«ما اکنون در حال بررسی این موضوع هستیم که تفاوت های ژنتیکی میان افراد چگونه بر این خطر تأثیر می گذارد و در نهایت قصد داریم داده های انسانی در مقیاس بزرگ را با مطالعات زیست شناسی مولکولی پیوند دهیم تا راهبردهای بهتری برای غلبه بر مقاومت به انسولین توسعه دهیم».
منبع:
https://www.news-medical.net/news/20260216/Machine-learning-model-demonstrates-insulin-resistance-as-a-risk-factor-for-12-types-of-cancer.aspx