Artificiell intelligens, AI, har nu ihop med konventionella statistiska metoder använts i en studie av riskfaktorer vid diabetes typ 1. Syftet har varit att identifiera vad som tydligast indikerar ökad risk för hjärt-kärlsjukdom och död.
När den relativa betydelsen av 17 riskfaktorer studerades visade sig fem väga tyngst: långtidsblodsocker, nedsatt njurfunktion, hur länge personen haft typ 1-diabetes, systoliskt blodtryck (det första och högre talet av de två som anges) samt det som till vardags kallas dåligt kolesterol.
Forskargruppen bakom studien har tidigare visat att individer med typ 1-diabetes som klarar av att kontrollera flera riskfaktorer har lägre risk för hjärtinfarkt och stroke, men fortfarande förhöjd risk för förtida död och hjärtsvikt.
I den aktuella studien framkommer det att de viktigaste prediktorerna för hjärt-kärlsjukdom och död hos patientgruppen mestadels är konventionella och påverkbara riskfaktorer, undantaget ålder.
– Ett ökat kliniskt fokus för dessa riskfaktorer bör leda till den största relativa riskminskningen för förtida död och hjärt-kärlsjukdom, konstaterar Aidin Rawshani, forskare vid Sahlgrenska akademin, Göteborgs universitet..
Långtidsblodsocker avgörande faktor
Det visade sig också att lägre nivåer än nuvarande rekommenderade nationella riktlinjer för de tre faktorerna långtidsblodsocker, systoliskt blodtryck och dåligt kolesterol kunde kopplas till lägre risk för hjärt-kärlsjukdom och död.
Ett annat fynd i studien var att förhöjda nivåer av protein i urinen, albuminuri, kunde associeras med två till fyra gånger ökad risk för utfallen. Tillsammans med långtidsblodsockret var just albuminuri det som tydligast kunde förutse de utfall som studerades.
Enligt maskininlärningsmodeller tros långtidsblodsockret bidra till utvecklingen av de andra kardiovaskulära riskfaktorerna. Dessutom konstaterar forskarna en tydlig interaktionseffekt mellan riskfaktorer som inte kan påverkas (ålder och sjukdomstid) och sådana som kan påverkas (långtidsblodsocker, systoliskt blodtryck, dåligt kolesterol och protein i urinen).
Uppgifter från drygt 30 000 personer
Studien bygger på registeruppgifter om 32 611 personer med typ 1-diabetes. De följdes under i genomsnitt drygt tio år, och hade i snitt haft sjukdomen i 18 år. Vid sidan om traditionell statistisk bearbetning användes AI, datorer som via autonom inlärning ökade sin förmåga att förutse förtida död och kardiovaskulära händelser.
– Det som är unikt med den här studien är att vi inkluderat maskininlärning, alltså AI, för att bättre ta höjd för interaktioner mellan riskfaktorer, säger Aidin Rawshani, forskare vid Sahlgrenska akademin, Göteborgs universitet.
Studien:
Kontakt:
Aidin Rawshani, aidin.rawshani@gu.se
