AI模型在大型研究中将胰岛素抵抗与12种癌症类型关联起来

东京大学的研究人员首次在人群规模上证明,胰岛素抵抗是12种癌症类型的风险因素。他们将机器学习工具应用于英国生物样本库中约50万参与者的数据进行了这项研究。

该研究于2月15日发表在《自然·通讯》上,为常见代谢疾病与癌症风险之间的关联提供了新证据,并提供了一种仅依赖常规健康体检数据的实用筛查方法。

AI-IR 的工作原理

这个名为 AI-IR(人工智能推导的胰岛素抵抗)的工具,利用常规医学检查中采集的九项标准临床参数来预测胰岛素抵抗——一种人体细胞对胰岛素反应不正常的状况。直接测量胰岛素抵抗通常需要仅在高级糖尿病诊所才具备的专业检测,这使得大规模评估难以实现。

"虽然胰岛素抵抗与癌症之间可能存在关联的说法已被提出,但由于在临床中评估胰岛素抵抗存在困难,大规模证据一直很有限,"领导这项研究的东京大学医院研究员 Yuta Hiraike 说道。"但有了 AI-IR,我们首次提供了人群规模的证据,证明胰岛素抵抗是癌症的一个风险因素"。

该模型在预测糖尿病发病率方面的表现优于体重指数、代谢综合征标准以及其他已确立的指标,这为研究癌症关联性奠定了基础。

临床医生通常使用BMI作为胰岛素抵抗的替代指标,但这种方法会产生假阳性和假阴性结果。一些肥胖人群的代谢仍然健康,而另一些BMI正常的人却出现了胰岛素抵抗。

"通过将九个临床参数整合为单一指标,AI-IR能够检测出仅凭BMI无法解释的胰岛素抵抗,"Hiraike说。"与验证数据集中直接测量的胰岛素抵抗相比,AI-IR表现出了强大的预测性能"。

由于输入数据来自标准健康体检,该工具可以实现对糖尿病、心血管疾病和癌症的广泛筛查,无需专门的诊所就诊。

研究人员在将AI-IR应用于英国生物样本库人群之前,使用来自美国和台湾的独立队列对其进行了验证。他们发现,在未患糖尿病的情况下被分类为AI-IR阳性的参与者,与检测结果为阴性的参与者相比,仍面临更高的癌症风险。

该团队目前正在研究遗传差异如何影响胰岛素抵抗相关的癌症风险,目标是将大规模人类数据与分子生物学联系起来,以制定克服胰岛素抵抗的策略。