Obesitas bij kinderen verhoogt het risico op insulineresistentie, wat kan leiden tot metabole problemen en hart- en vaatziekten. Onderzoekers hebben voorspellende modellen ontwikkeld met behulp van kunstmatige intelligentie (AI) om insulineresistentie en obesitas beter te begrijpen en te behandelen.1
Het doel van het onderzoek was om 2 belangrijke uitdagingen aan te pakken: datadisbalans (waarbij sommige groepen in de data ondervertegenwoordigd zijn) en de behoefte aan uitlegbare modellen in de klinische praktijk.
De onderzoekers richtten zich op Spaanse kinderen van 3 tot 18 jaar met overgewicht of obesitas, en voorspelden de z-scores van HOMA-IR (een maat voor insulineresistentie) en middelomtrek (WC). Daarvoor gebruikten ze zogeheten multi-omics data: genetische risicoscores (polygenetische scores), eiwitprofielen, stofwisselingswaarden en lichaamsmaten.
De onderzoekers gebruikten een speciaal algoritme – een multi-objectief evolutionair algoritme (MOEA) – dat ze uitbreidden om zowel de datadisbalans als de uitlegbaarheid van de modellen te verbeteren. Dit is de eerste keer dat dit op deze manier is gedaan.
Om betrouwbare resultaten te verkrijgen, gebruikten de onderzoekers een 6 x 5-voudige crossvalidatie, waarbij ook kleinere of minder vaak voorkomende groepen in de data voldoende aandacht kregen. Vervolgens vergeleken ze de nieuwe methode met 7 andere bekende AI-methoden, zoals Random Forest en varianten van MOEA.
De prestaties van alle methoden werden beoordeeld op:
- nauwkeurigheid (mean squared error, MSE);
- de mate waarin minderheidsgroepen werden meegenomen (aangepaste F1-score);
- uitlegbaarheid van de modellen.
De nieuwe methode scoorde goed op alle vlakken: een goede MSE, een hoge F1-score en een duidelijke uitleg (gemiddeld 7 regels per model met 3 variabelen). Belangrijke voorspellers waren de genetische scores die te maken hebben met insuline, BMI en type 2-diabetes, naast familiegeschiedenis en bloedwaarden, zoals triglyceriden. Dit benadrukt hoe belangrijk het is om genetische, familiaire en leefstijlfactoren te integreren voor het verbeteren van de preventie en behandeling bij kinderen met obesitas.
Bron: