Modelo de Aprendizado de Máquina Liga Resistência à Insulina a 12 Tipos de Câncer
Pesquisadores utilizaram um modelo de aprendizado de máquina chamado AI-IR para demonstrar que a resistência à insulina é um fator de risco para 12 tipos de câncer. A ferramenta analisa nove parâmetros clínicos de exames de saúde padrão para prever resistência à insulina em escala populacional. Isso fornece a primeira evidência em larga escala ligando a resistência à insulina a múltiplos cânceres.
Pesquisadores demonstraram pela primeira vez que a resistência à insulina é um fator de risco para 12 tipos de câncer usando um modelo de predição baseado em aprendizado de máquina aplicado a meio milhão de participantes do UK Biobank. A ferramenta, chamada AI-IR, prevê resistência à insulina em indivíduos com base em nove diferentes informações médicas obtidas através de exames de saúde padrão, fornecendo a primeira evidência em escala populacional da conexão entre resistência à insulina e câncer.
A equipe de pesquisa usou com sucesso sua ferramenta de aprendizado de máquina para provar uma ligação entre resistência à insulina e vários tipos de câncer. Embora uma possível ligação entre resistência à insulina e câncer tenha sido sugerida, evidências em larga escala têm sido limitadas devido à dificuldade de avaliar a resistência à insulina na clínica. Com o AI-IR, os pesquisadores forneceram a primeira evidência em escala populacional de que a resistência à insulina é um fator de risco para câncer.
O AI-IR poderia ser facilmente implementado para identificar indivíduos de alto risco e permitir rastreamento focado de diabetes, doenças cardiovasculares e câncer. Quando comparado com resistência à insulina diretamente medida em conjuntos de dados de validação, o AI-IR alcançou forte desempenho preditivo. Medir diretamente a resistência à insulina é impraticável, exceto onde pacientes são tratados em clínicas especializadas em diabetes, mas o AI-IR fornece uma alternativa robusta e escalável para avaliar resistência à insulina em escala populacional.
Ao combinar nove parâmetros clínicos em uma única métrica, o AI-IR pode detectar resistência à insulina que o índice de massa corporal (IMC) sozinho não consegue explicar. Atualmente, o IMC é comumente usado para prever a resistência à insulina de um indivíduo e a suscetibilidade subsequente a cânceres relacionados, mas essa abordagem tem limitações com falsos positivos e falsos negativos. Os pesquisadores demonstraram não apenas o poder preditivo do AI-IR, mas também que seu modelo é robusto sob várias condições.
A resistência à insulina — quando o corpo não responde adequadamente à insulina, um hormônio que ajuda a controlar os níveis de glicose no sangue — é uma das causas fundamentais do diabetes. Além do diabetes, é amplamente conhecido que a resistência à insulina pode levar a doenças cardiovasculares, renais e hepáticas. Embora a resistência à insulina esteja fortemente associada à obesidade, tem sido difícil avaliar a própria resistência à insulina na clínica.
A pesquisa foi publicada na Nature Communications e foi apoiada por múltiplas fontes de financiamento, incluindo o University of Tokyo Excellent Young Researcher Program, Japan Agency for Medical Research and Development, Japan Society for the Promotion of Science, e várias outras fundações. A equipe agora está trabalhando para entender como diferenças genéticas entre indivíduos influenciam esse risco e, finalmente, para conectar dados humanos em larga escala com estudos de biologia molecular para desenvolver melhores estratégias para superar a resistência à insulina.