Метаболическая модель ИМТ использует искусственный интеллект для выявления скрытых метаболических нарушений

Исследователи из Лейпцигского и Гётеборгского университетов разработали новый подход к более точной оценке риска развития метаболических заболеваний, таких как диабет или неалкогольная жировая болезнь печени. Вместо того чтобы полагаться исключительно на широко используемый индекс массы тела (ИМТ), команда разработала вычислительную модель на основе искусственного интеллекта, использующую метаболические показатели.

Этот так называемый метаболический индекс массы тела (metBMI) показывает, что у людей с нормальным весом и высоким метаболическим индексом массы тела риск метаболических заболеваний выше в пять раз. Результаты исследования опубликованы в журнале Nature Medicine.

Стандартный индекс массы тела, рассчитываемый на основе роста и веса, может указывать на избыточный вес, но не отражает, насколько здоров или вреден для здоровья имеющийся у человека жир. Согласно классификации ИМТ, до 30% людей считаются людьми с нормальным весом, но у них уже наблюдаются опасные метаболические изменения. И наоборот, есть люди с повышенным ИМТ, у которых обмен веществ практически не нарушен. Такое несоответствие может привести к тому, что пациентов из группы риска выявляют и начинают лечить слишком поздно.

Для текущего научного исследования международная группа ученых собрала данные двух крупных популяционных исследований в Швеции, в которых приняли участие почти 2000 человек.  Помимо стандартных показателей состояния здоровья и образа жизни, были собраны обширные лабораторные данные по образцам крови и результатам анализа микробиома кишечника.  На основе этого набора данных исследователи разработали вычислительную модель, которая прогнозирует метаболический индекс массы тела.

«Наш метаболический индекс массы тела указывает на скрытое нарушение обмена веществ, которое не всегда можно определить по шкале. У двух людей с одинаковым индексом массы тела могут быть совершенно разные профили риска в зависимости от того, как функционирует их метаболизм и жировая ткань», — объясняет доктор Рима Чакарун, научный сотрудник Медицинского центра Лейпцигского университета и первый автор исследования. Она руководила исследовательским проектом вместе с профессором Фредриком Бэкхедом во время стажировки в Гётеборгском университете.

Результаты показывают, что неожиданно высокий метаболический индекс массы тела (metBMI) связан с пятикратным повышением риска развития целого ряда заболеваний и состояний, включая жировую болезнь печени, диабет, висцеральное ожирение и инсулинорезистентность. Кроме того, люди с высоким metBMI теряли на 30% меньше веса после бариатрической операции. Эти пациенты проходили лечение в Медицинском центре Лейпцигского университета, что позволило собрать особенно полные данные для исследования.

Одним из ключевых выводов исследования стала тесная взаимосвязь между метаболическими показателями и составом кишечных бактерий. У людей с более высоким метаболическим индексом массы тела наблюдалось меньшее разнообразие кишечных бактерий и сниженная способность микробиоты кишечника преобразовывать пищевые волокна в полезные для здоровья жирные кислоты, такие как бутират. Исследование также показало, что генетические факторы играют менее важную роль в метаболическом индексе массы тела, чем образ жизни и окружающая среда.

Метаболический индекс массы тела, разработанный исследователями, основан на тщательном измерении сотен малых молекул в крови, которые отражают клеточный метаболизм. Из более чем 1000 метаболитов, которые были проанализированы изначально, команда смогла выделить сокращенную группу из 66 метаболитов, которые обладают почти такой же объяснительной силой. Эти молекулы в первую очередь отражают тесную взаимосвязь между собственным метаболизмом организма и кишечными бактериями.

«Традиционный индекс массы тела часто не учитывает людей с нормальным весом, но высоким метаболическим риском.  Метаболический индекс массы тела может способствовать более справедливой и точной оценке риска развития заболеваний», — добавил Чакарун.

Таким образом, модель может помочь выявить пациентов с нарушениями на более ранней стадии, точнее определить, кому из них требуется хирургическое или медикаментозное вмешательство, и персонализировать принятие терапевтических решений.  В будущем модели будут усовершенствованы за счет включения динамических маркеров секреции инсулина и проведения экспериментальных исследований взаимосвязи микробиома кишечника и метаболитов.

Результаты исследования были опубликованы в журнале Nature Medicine.