Diabetes tipo 1 (T1D) é uma doença autoimune que pode afetar pessoas de qualquer idade e para a qual atualmente não há cura. A única esperança é atrasar ou prevenir o aparecimento da doença, e é aqui que nossas pesquisas mais recentes com base no aprendizado de máquina podem ajudar. Nossa equipe, composta por cientistas da IBM e JDRF, uma organização líder em pesquisa e conscientização sobre diabetes tipo 1, e cinco centros de pesquisa acadêmica em quatro países diferentes, acabam de publicar um estudo [LINK]. Publicado em Diabetes Care, é o primeiro artigo clínico importante preparado por esta colaboração na identificação de pacientes com alto risco de contrair a doença. O estudo típico de inteligência de dados 1 (T1DI) compreende uma grande e única coorte de pacientes pediátricos que têm sido acompanhados de perto desde o nascimento.
Nosso trabalho forneceu informações sobre o desenvolvimento de biomarcadores associados ao risco de desenvolver diabetes tipo 1 em crianças pequenas. Acreditamos que nossos resultados podem facilitar a identificação de crianças em risco para os ensaios clínicos que visam retardar e possivelmente prevenir o aparecimento de diabetes tipo 1.
Filhos, os mais afetados
É uma doença sem cura, com dependência de insulina por toda a vida e possíveis complicações de longo prazo, como problemas cardiovasculares, insuficiência renal e retinopatia diabética, que podem levar à cegueira. Diabetes tipo 1 É uma doença auto-imune que pode afetar pessoas de qualquer idade, mas geralmente é diagnosticada durante a infância ou adolescência. Nos Estados Unidos, diabetes tipo 1 afeta aproximadamente 1,6 milhões de pessoas, muitas das quais são crianças e adolescentes, de acordo com a American Diabetes Association. E esse número está aumentando.Esta doença geralmente se desenvolve dentro de cinco a 15 anos, com a perda gradual de células beta produtoras de insulina no pâncreas. É esse desenvolvimento gradual, ao longo de décadas, que levou os cientistas a buscar formas de ajudar a retardar ou prevenir o aparecimento da doença. Estamos entre eles, equipados com a mais recente tecnologia de aprendizado de máquina.
A equipe de pesquisa da IBM criou a coorte de estudo T1DI, a maior de seu tipo para preditores do tipo de diabetes infantil 1. Em parceria com a JDRF, que reuniu uma equipe de mais de 30 cientistas de nove instituições em quatro países, foram combinados dados de cinco estudos de história natural do tipo diabetes. 1 liderados por essas instituições, algumas das quais começaram há mais de 30 anos. Todos esses estudos se concentraram no desenvolvimento de diabetes tipo. 1; no entanto, o desenho, a duração e os dados coletados variaram de estudo para estudo, portanto, tivemos que integrar conjuntos de dados individuais de uma forma que fosse comum a todos os estudos. Esses conjuntos de dados incluíram medições de autoanticorpos de ilhotas, biomarcadores específicos de diabetes tipo 1 que podem se desenvolver e sofrer mutações com o tempo. Biomarcadores são substâncias mensuráveis que são detectáveis por testes de laboratório ou outros mecanismos e que indicam a presença potencial ou risco de desenvolver uma doença. O termo “soroconversão” descreve o primeiro momento em que esses autoanticorpos são detectados em um exame de sangue e marca o início da autoimunidade.
Como os dados foram coletados ao longo de muitos anos e em vários locais, os testes de laboratório para biomarcadores usaram métodos ou padrões de relatórios diferentes, tanto entre locais como ao longo do tempo, e os métodos de genotipagem diferiram na resolução. Esta foi uma complicação adicional, de modo que os dados também foram harmonizados para que os resultados relatados de diferentes maneiras pudessem ser analisados em conjunto.
Aprendizado de máquina avançado em operação
Assim que a preparação dos dados estiver concluída, o trabalho analítico real pode começar.
Usamos métodos estatísticos avançados e de aprendizado de máquina, e nossa equipe de pesquisa desenvolveu ferramentas gráficas inovadoras e interativas. Um artigo sobre essas ferramentas de visualização, DPVis, foi publicado em 2020 no IEEE Transactions on Visualization and Computer Graphics. Consulte: https://ieeexplore.ieee.org/document/9058722. Outro sobre simulação de detecção em nível de população, usando a ferramenta COOL (Collaborative Open Outcomes tooL), será apresentado no próximo Simpósio Anual AMIA 2021.
Ao longo da investigação, aplicamos algoritmos avançados de aprendizado de máquina para identificar preditores do aparecimento de diabetes tipo 1. Também confiamos nos resultados dos testes de laboratório coletados ao longo do tempo de cada participante do estudo, especificamente para os três autoanticorpos de ilhotas associados ao desenvolvimento do tipo de diabetes. 1. Nossa análise revelou novos padrões de desenvolvimento de autoanticorpos e suas ligações com outros fatores de risco.
Analisando esses dados, os pesquisadores descobriram que a quantidade de autoanticorpos de ilhotas presentes na soroconversão, 1 o primeiro ponto no desenvolvimento da autoimunidade, prevê de forma confiável o risco de desenvolver diabetes tipo. 1 em crianças pequenas por períodos de até 10-15 anos no futuro.
Para crianças com múltiplos autoanticorpos (mais de um tipo de autoanticorpo de ilhotas) no momento da soroconversão, o risco de desenvolver DM1 é muito alto, cerca de 90% em um período de 15 anos. Além disso, quanto menor a idade em que as crianças desenvolvem múltiplos autoanticorpos, maior o risco, com pico entre dois e quatro anos de idade. Eles também confirmaram que os genótipos para diabetes tipo 1 eles não afetam o risco em crianças com teste positivo para múltiplos autoanticorpos.
No entanto, nossa pesquisa também lançou uma nova luz sobre o risco de diabetes tipo 1 em crianças com teste positivo para apenas um autoanticorpo. Seu risco de desenvolver diabetes tipo 1 aos 15 anos é marcadamente menor, apenas cerca de 30%, especialmente para crianças com um único autoanticorpo na soroconversão e aquelas que permanecem com um único autoanticorpo depois disso. Embora esse risco pareça substancial no geral, descobrimos que sua avaliação de risco individual pode ser melhorada com base no perfil genético e na repetição do teste de anticorpos em aproximadamente dois anos.
Em outras palavras, descobrimos que o risco geral de desenvolver diabetes tipo 1 em crianças com um único autoanticorpo, ainda é consideravelmente menor, mas é especialmente baixo se essas crianças não desenvolverem um segundo autoanticorpo dentro de dois anos após a soroconversão. Além disso, as crianças que permanecem positivas para um único autoanticorpo e que também têm um genótipo de baixo risco para DM1 têm um risco substancialmente menor: apenas 12% no geral, ou aprox. um terço a menos do que aqueles com genótipos de alto risco.
Essas descobertas podem ajudar a identificar e estratificar os participantes para recrutamento no ensaio com base no número de autoanticorpos e resultados genéticos. Da mesma forma, os resultados podem ajudar a informar a triagem de rotina, a taxa de monitoramento e o manejo geral de crianças em risco. A triagem e a vigilância com base na população geralmente são realizadas para doenças para as quais uma cura ou tratamento imediato está disponível, o que ainda não é o caso do diabetes tipo. 1. No entanto, o aparecimento e o diagnóstico inicial de diabetes tipo 1 Freqüentemente, estão associados a complicações potencialmente fatais da cetoacidose diabética (CAD), aumentando a importância da detecção precoce.
A identificação precoce de crianças em risco pode ajudar as famílias e cuidadores a entender melhor o risco e reconhecer os primeiros sinais de DAC para reduzir sua incidência precocemente. Isso é particularmente valioso, pois a pesquisa mostrou taxas reduzidas de DAC em participantes do estudo que foram rotineiramente rastreados e monitorados para autoanticorpos, pelo menos nos estudos constituintes de T1DI. Para atrasar ou prevenir o início do tipo de diabetes 1Como no consórcio TrialNet, os resultados podem fornecer informações úteis para programas de triagem para identificar precocemente indivíduos de alto risco como candidatos potenciais para tais ensaios. Isso poderia beneficiar não apenas as crianças envolvidas, mas também toda a comunidade de pesquisadores do diabetes tipo. 1.
Além disso, esta pesquisa validou importantes resultados anteriores do ADA (American Diabetes Association), JDRF e Sociedade Endócrina. Em 2015, essas descobertas levaram a uma proposta para o estadiamento do diabetes tipo 1 com base no desenvolvimento da autoimunidade das ilhotas como um estágio 1.
Os estágios da doença costumam ser usados para ajudar os médicos a identificar quando os pacientes precisam ser monitorados ou tratados de maneiras diferentes. Por exemplo, os estágios iniciais da doença podem significar acompanhamento menos frequente e tratamento limitado ou nenhum tratamento, enquanto os estágios posteriores podem exigir visitas muito mais frequentes e tratamentos mais agressivos ou outras intervenções. O estadiamento avançado ajuda os médicos e cuidadores a fornecerem o melhor cuidado para seus pacientes em todos os estágios da doença.
Em resumo, encontramos combinações específicas de fatores que implicam em padrões de autoanticorpos e genética associados a diferentes taxas e probabilidades de desenvolver diabetes tipo. 1. Nossos resultados não apenas pavimentam o caminho para uma melhor compreensão dos fatores de risco para diabetes tipo 1Eles também podem ajudar a desenvolver diretrizes para a triagem, monitoramento e tratamento de rotina de pacientes pediátricos em risco.
Essas diretrizes podem ajudar a reduzir complicações no início e identificar pacientes que poderiam se beneficiar da participação em estudos clínicos em andamento que visam retardar ou prevenir o aparecimento de diabetes tipo. 1. Felizmente, um dia eles podem até ajudar a prevenir o diabetes tipo. 1 por completo.
* Clique no link a seguir para ver o texto completo: www.research.ibm.com/blog/ai-identifies-t1d-risks