机器学习模型揭示胰岛素抵抗与12种癌症类型的关联

研究人员首次使用基于机器学习的预测模型，对英国生物银行中的50万名参与者进行分析，证明胰岛素抵抗是12种癌症类型的风险因素。该工具名为AI-IR，基于通过标准健康检查获得的九项不同医疗信息预测个体的胰岛素抵抗，首次提供了胰岛素抵抗与癌症之间关联的人群规模证据。

研究团队成功使用他们的机器学习工具证明了胰岛素抵抗与多种癌症之间的联系。虽然胰岛素抵抗与癌症之间可能存在关联的观点已被提出，但由于临床上评估胰岛素抵抗的困难，大规模证据一直有限。通过AI-IR，研究人员首次提供了胰岛素抵抗是癌症风险因素的人群规模证据。

AI-IR可以轻松实施，以识别高风险个体，并实现对糖尿病、心血管疾病和癌症的重点筛查。与验证数据集中直接测量的胰岛素抵抗相比，AI-IR实现了强大的预测性能。除了在专门的糖尿病诊所接受治疗的患者外，直接测量胰岛素抵抗是不切实际的，但AI-IR为在人群规模上评估胰岛素抵抗提供了一个稳健且可扩展的替代方案。

通过将九个临床参数组合成一个单一指标，AI-IR能够检测出仅凭体重指数（BMI）无法解释的胰岛素抵抗。目前，BMI通常用于预测个体的胰岛素抵抗以及相关癌症的连锁易感性，但这种方法存在假阳性和假阴性的局限性。研究人员不仅证明了AI-IR的预测能力，还证明了他们的模型在各种条件下都具有稳健性。

胰岛素抵抗——当身体对胰岛素（一种帮助控制血糖水平的激素）反应不当时——是糖尿病的基本原因之一。除了糖尿病外，众所周知胰岛素抵抗可导致心血管、肾脏和肝脏疾病。虽然胰岛素抵抗与肥胖密切相关，但在临床上评估胰岛素抵抗本身一直很困难。

该研究发表在《自然通讯》杂志上，并得到了多个资助来源的支持，包括东京大学优秀青年研究员计划、日本医疗研究开发机构、日本学术振兴会以及其他几个基金会。该团队目前正在研究个体之间的遗传差异如何影响这种风险，并最终将大规模人类数据与分子生物学研究联系起来，以制定更好的克服胰岛素抵抗的策略。