Doorbraak met nieuwe AI-dataset voor onderzoek naar type 2-diabetes en omgevingsfactoren
AmsterdamBelangrijke onderzoeken naar type 2 diabetes worden uitgevoerd door wetenschappers. Een nieuwe dataset van een onderzoek is gedeeld, waarin biomerkers en omgevingsfactoren worden bestudeerd. Vroege resultaten wijzen op een sterke relatie tussen het verloop van de ziekte en blootstelling aan vervuiling. De dataset is uitgebreid en bevat gegevens van een diverse groep deelnemers, met als doel het verbeteren van AI-gebruik in diabetesonderzoek.
Het project is van plan gegevens te verzamelen van 4.000 mensen, gelijk verdeeld over verschillende groepen.
- Ras/Ethniciteit: Wit, Zwart, Latijns-Amerikaans, Aziatisch
- Ziekte Ernst: Geen diabetes, prediabetes, met medicatie/niet-insuline-gecontroleerde diabetes type 2, insuline-gecontroleerde diabetes type 2
- Geslacht: Gelijke vertegenwoordiging van mannen en vrouwen
AI-READI, gesteund door de National Institutes of Health, speelt een belangrijke rol in dit plan. Het richt zich op het wereldwijd delen van gegevens voor onderzoek, met nadruk op ethisch en veilig gebruik. Onderzoekers benutten deze informatie om meer inzicht te krijgen in het ontstaan van diabetes en hoe de gezondheid verbeterd kan worden. Deze studie onderzoekt zowel de oorzaken van de ziekte als manieren om herstel te bevorderen, met als doel betere methodes te vinden om diabetes te beheersen of zelfs te voorkomen.
Nieuwe methoden voor gegevensverzameling maken gebruik van sensoren in de huizen van deelnemers om de luchtkwaliteit te monitoren. Deze gegevens worden gekoppeld aan andere gezondheidsmetingen zoals glucosetests en oogscans. Deze gecombineerde data bieden een gedetailleerd inzicht in de ontwikkeling en progressie van type 2 diabetes.
21 november 2024 · 08:55
Nvidia imponeert, maar Aziatische beurs reageert aarzelend op concurrentie.
Het project is een gezamenlijke inspanning van diabetesexperts om een sterk systeem te ontwikkelen voor toekomstig wetenschappelijk onderzoek. Het omvat vele instellingen en verzamelt een breed scala aan kennis. Het doel is om datasets te creëren die inzicht geven in de werking van de ziekte en nieuwe ideeën genereren voor tests in verschillende bevolkingsgroepen wereldwijd.
Kunstmatige intelligentie speelt een cruciale rol in dit onderzoek. Met behulp van AI kunnen onderzoekers enorme hoeveelheden data analyseren en patronen ontdekken die met conventionele methoden wellicht over het hoofd worden gezien. Dit kan leiden tot nieuwe manieren om ziekten te voorkomen of te behandelen.
Datasets zijn beschikbaar via een beveiligd online platform, waardoor het eenvoudig te gebruiken is en de privacy van deelnemers gewaarborgd blijft. De eerste release ontving positieve feedback, wat aantoont dat er wereldwijd behoefte is aan gedetailleerde, AI-geoptimaliseerde data voor diabetesonderzoek.
De studie is hier gepubliceerd:
http://dx.doi.org/10.1038/s42255-024-01165-xen de officiële citatie - inclusief auteurs en tijdschrift - is
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-x20 november 2024 · 01:02
AI onderweg: compacte taalmodellen voor betere prestaties op mobiele apparaten
18 november 2024 · 14:36
Precieze gedragsstudies bij muizen dankzij AI: minder dieren en snellere resultaten
Deel dit artikel