机器学习预测的胰岛素抵抗是12种癌症的风险因素
Chia-Lin Lee1,2,3,4,5, Tomohide Yamada6,7,8, Wei-Ju Liu9,10
1Division of Artificial Intelligence, Department of Digital Medicine, Taichung Veterans General Hospital, Taichung, Taiwan. chialin@vghtc.gov.tw.
人工智能衍生的胰岛素耐药性 (AI-IR) 能够有效预测糖尿病和多种癌症风险,优于BMI等传统指标. 这种AI-IR指标可以识别有针对性查和早期干预的高风险个体.
科学领域:
- 内分泌学和新陈代谢学
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 胰岛素抵抗是一种潜在的癌症风险因素,但大规模证据有限.
- 像BMI和代谢综合征这样的现有标志物在预测相关风险方面存在局限性.
- 需要新的方法来准确评估胰岛素抵抗及其与慢性疾病的联系.
研究的目的:
- 使用机器学习开发和验证人工智能衍生的胰岛素抵抗 (AI-IR) 评分.
- 将AI-IR的预测性能与糖尿病和癌症风险的既定标记器进行比较.
- 评估AI-IR在识别特定癌症风险增加的个人的实用性.
主要方法:
- 开发了一个机器学习模型,使用九个临床参数来得出AI-IR得分.
- 为了分析,AI-IR评分被应用于英国生物银行数据集.
- 预测性表现与身体质量指数 (BMI),代谢综合征 (MetS),TG/HDL比率和糖尿病发病率的TyG指数进行了比较.
- 研究了AI-IR与各种癌症类型风险之间的关联.
主要成果:
- 与BMI,MetS,TG/HDL比率和TyG指数相比,AI-IR显示了糖尿病发病率的优异预测性能.
- AI-IR显著与子宫,脏,食道,胰腺,结肠和乳腺癌的风险增加有关.
- AI-IR显示了与其他几种癌症类型的标称关联.
- 来自AI-IR的综合癌症风险评分比BMI和TyG指数更好地预测癌症,并且与MetS和TG/HDL比率相比.
结论:
- AI-IR是一种可靠的指标,用于预测糖尿病和复合癌症发病率.
- 人工智能IR可用于识别高风险个体,用于集中查和早期检测.
- 人工智能在代谢健康评估中的整合为疾病预测和预防提供了有希望的途径.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
09:48Differentiated Mouse Adipocytes in Primary Culture: A Model of Insulin Resistance
Published on: February 17, 2023
相关概念视频
Psychoneuroimmunology: Diabetes and Cancer
Cancer Prevention
Some...
Mouse Models of Cancer Study
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...
lncRNA - Long Non-coding RNAs
mTOR Signaling and Cancer Progression
The mTOR pathway or the...
Diabetes Mellitus: Type 2 and Gestational
