Nowatorski zbiór danych o cukrzycy typu 2 ujawnia wpływ zanieczyszczeń na chorobę
WarsawBadacze prowadzą istotne badania nad cukrzycą typu 2. Udostępnili nowy zbiór danych z badania analizującego biomarkery i czynniki środowiskowe. Wstępne wyniki wskazują na silną zależność między przebiegiem choroby a narażeniem na zanieczyszczenia. Zbiór danych jest szczegółowy i obejmuje informacje od zróżnicowanej grupy uczestników, z zamiarem ulepszenia zastosowania sztucznej inteligencji w badaniach nad cukrzycą.
Projekt zamierza zebrać dane od 4 000 osób, zapewniając równą liczbę uczestników z różnych grup.
- Rasa/Etniczność: Biali, Czarni, Latynosi, Azjaci
- Stopień zaawansowania choroby: Brak cukrzycy, stan przedcukrzycowy, kontrola lekowa/bezinsulinowa, kontrola insulinowa cukrzycy typu 2
- Płeć: Równa reprezentacja mężczyzn i kobiet
AI-READI, wspierany przez Narodowy Instytut Zdrowia, odgrywa kluczową rolę w tym projekcie. Skupia się na udostępnianiu danych badawczych na całym świecie, dbając przy tym o ich etyczne i bezpieczne wykorzystanie. Naukowcy używają tych informacji, aby lepiej zrozumieć rozwój cukrzycy i sposoby poprawy zdrowia. Badania te analizują zarówno przyczyny choroby, jak i metody poprawy zdrowia chorych, aby znaleźć skuteczniejsze sposoby zarządzania i zapobiegania cukrzycy.
Zbieranie danych odbywa się za pomocą nowatorskich metod. Czujniki zainstalowane w domach uczestników monitorują jakość powietrza i łączą te informacje z innymi wskaźnikami zdrowia, takimi jak testy poziomu glukozy i badania oczu. Połączone dane dostarczają szczegółowego obrazu rozwoju i postępu cukrzycy typu 2.
Projekt jest wspólnym wysiłkiem ekspertów ds. cukrzycy, mającym na celu stworzenie silnego systemu wspierającego przyszłe badania naukowe. Obejmuje wiele instytucji, konsolidując szeroki zakres wiedzy. Celem jest opracowanie zestawów danych, które ilustrują mechanizmy choroby i generują nowe pomysły na testowanie w różnych grupach ludzi na całym świecie.
Sztuczna inteligencja odgrywa kluczową rolę w tych badaniach. Dzięki niej naukowcy mogą analizować ogromne ilości danych, odkrywając wzorce i powiązania, które w przeciwnym razie mogłyby zostać przeoczone przez tradycyjne metody. Może to prowadzić do opracowania nowych sposobów zapobiegania lub leczenia chorób.
Uzyskanie dostępu do tych zbiorów danych jest możliwe za pośrednictwem bezpiecznej platformy online, co zapewnia łatwość użytkowania oraz ochronę prywatności uczestników. Wstępna publikacja spotkała się z pozytywnymi opiniami, co potwierdza globalne zapotrzebowanie na szczegółowe dane, gotowe do wykorzystania w badaniach nad cukrzycą, dostosowane do technologii AI.
Badanie jest publikowane tutaj:
http://dx.doi.org/10.1038/s42255-024-01165-xi jego oficjalne cytowanie - w tym autorzy i czasopismo - to
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-xUdostępnij ten artykuł