Wegweisende KI-Daten für die Diabetesforschung: Neue Erkenntnisse zu Umweltfaktoren und Krankheitsverlauf
BerlinForscher führen bedeutende Studien zu Typ-2-Diabetes durch. Sie haben einen neuen Datensatz aus einer Untersuchung geteilt, der Biomarker und Umweltfaktoren betrachtet. Erste Ergebnisse zeigen eine starke Verbindung zwischen dem Fortschreiten der Krankheit und der Belastung durch Umweltverschmutzung. Der Datensatz ist detailliert und umfasst Informationen von einer breiten Palette von Teilnehmern, mit dem Ziel, die Nutzung von KI in der Diabetesforschung zu verbessern.
Das Projekt beabsichtigt, Daten von 4.000 Personen zu sammeln, wobei aus jeder Gruppe gleich viele Teilnehmer gewonnen werden sollen.
- Rasse/Ethnie: Weiße, Schwarze, Hispanics, Asiaten
- Krankheitsschwere: Ohne Diabetes, Prädiabetes, medikamentös/nicht insulinpflichtig kontrollierter Diabetes Typ 2, insulinpflichtig kontrollierter Diabetes Typ 2
- Geschlecht: Gleiche Anzahl an Männern und Frauen
AI-READI, unterstützt von den National Institutes of Health, ist ein wesentlicher Bestandteil dieses Plans. Im Mittelpunkt steht der weltweite Austausch von Forschungsdaten, wobei großer Wert auf ethische und sichere Handhabung gelegt wird. Forscher nutzen diese Daten, um das Verständnis über die Entstehung von Diabetes und die Verbesserung der Gesundheit zu vertiefen. Die Studie untersucht sowohl die Ursachen der Krankheit als auch die Möglichkeiten zur Genesung, um effektivere Strategien zur Behandlung und sogar Vorbeugung von Diabetes zu finden.
Die Datenerfassung nutzt neue Methoden. Sensoren in den Wohnungen der Teilnehmer überwachen die Luftqualität und kombinieren diese Informationen mit anderen Gesundheitsparametern wie Glukosetests und Augenuntersuchungen. Diese zusammengeführten Daten liefern einen detaillierten Einblick in die Entstehung und den Verlauf von Typ-2-Diabetes.
Das Projekt ist eine gemeinschaftliche Anstrengung von Diabetes-Experten, um ein solides System für zukünftige wissenschaftliche Forschungen zu schaffen. Es umfasst zahlreiche Institutionen und vereint vielfältige Fachkenntnisse. Ziel ist es, Datensätze zu entwickeln, die ein besseres Verständnis der Krankheit bieten und neue Ansätze für Tests an unterschiedlichen Bevölkerungsgruppen weltweit generieren.
Künstliche Intelligenz spielt eine zentrale Rolle in dieser Forschung. Mithilfe von KI können Wissenschaftler große Datenmengen analysieren, um Muster und Zusammenhänge zu erkennen, die mit herkömmlichen Methoden möglicherweise übersehen werden. Dies kann dazu beitragen, neue Ansätze zur Prävention oder Behandlung von Krankheiten zu entwickeln.
Über eine gesicherte Online-Plattform haben Sie Zugriff auf diese Datensätze, was die Nutzung erleichtert und die Privatsphäre der Teilnehmer schützt. Der erste Release erhielt positives Feedback, was den weltweiten Bedarf an ausführlichen, KI-tauglichen Daten für die Diabetesforschung verdeutlicht.
Die Studie wird hier veröffentlicht:
http://dx.doi.org/10.1038/s42255-024-01165-xund seine offizielle Zitation - einschließlich Autoren und Zeitschrift - lautet
Sally L. Baxter, Virginia R. de Sa, Kadija Ferryman, Prachee Jain, Cecilia S. Lee, Jennifer Li-Pook-Than, T. Y. Alvin Liu, Julia P. Owen, Bhavesh Patel, Qilu Yu, Linda M. Zangwill, Amir Bahmani, Christopher G. Chute, Jeffrey C. Edberg, Samantha Hurst, Hiroshi Ishikawa, Aaron Y. Lee, Gerald McGwin, Shannon McWeeney, Camille Nebeker, Cynthia Owsley, Sara J. Singer, Riddhiman Adib, Mohammad Adibuzzaman, Arash Alavi, Catherine Ashley, Adrienne Baer, Erik Benton, Marian Blazes, Aaron Cohen, Benjamin Cordier, Katie Crist, Colleen Cuddy, Aydan Gasimova, Nayoon Gim, Stephanie Hong, Trina Kim, Wei-Chun Lin, Jessica Mitchell, Caitlyn Ngadisastra, Victoria Patronilo, Jamie Shaffer, Sanjay Soundarajan, Kevin Zhao, Caroline Drolet, Abigail Lucero, Dawn Matthies, Hanna Pittock, Kate Watkins, Brittany York, Charles E. Amankwa, Monique Bangudi, Nada Haboudal, Shahin Hallaj, Anna Heinke, Lingling Huang, Fritz Gerald P. Kalaw, Apoorva Karsolia, Hadi Khazaei, Muna Mohammed, Kyongmi Simpkins, Xujing Wang. AI-READI: rethinking AI data collection, preparation and sharing in diabetes research and beyond. Nature Metabolism, 2024; DOI: 10.1038/s42255-024-01165-x
Diesen Artikel teilen