Rizik smrtnosti u novom vremenskom okviru zahvaljujući individualiziranom modeliranju životnih putanja

Znanstvenici su razvili RetiME, biomarker temeljen na dubokom učenju koji iz niskotroškovnih, neinvazivnih fotografija mrežnice procjenjuje rizik od smrtnosti pojedinca. Pristup se oslanja na velike temeljne modele i povezuje značajke mrežnice izravno s rizikom od smrti. Istraživanje je opisano u pregledu rada dostupnog uz pretplatu, a cilj je poboljšati preventivnu skrb u starijoj populaciji.

RetiME je treniran na europskoj kohorti, a zatim vanjski validiran na tri nezavisne kohorte u jugoistočnoj Aziji, Euroaziji i Sjevernoj Americi. Pokazao je snažne veze s ukupnom i uzročno specifičnom smrtnošću te je predviđao incidenciju niza sistemskih i očnih bolesti. Osim statične procjene rizika, model je rekonstruirao personalizirane putanje životnog vijeka povezane s promatranim ishodima smrtnosti, primjerice dobi smrti. Klasteriranje tih putanja otkrilo je različite obrasce smrtnosti: prevladavajuće karcinomske, kardiometaboličke i neurodegenerativne rizike, što odražava raznolike putove starenja obuhvaćene modelom RetiME.

Analize interpretabilnosti pokazale su da RetiME obuhvaća različite biološke i retinalne značajke povezane s rizikom smrtnosti, a genomske analize identificirale su genetske lokuse povezane s RetiME.

Kontekst

RetiME je biomarker temeljen na dubokom učenju. Duboko učenje je pristup umjetne inteligencije koji modele uči iz velikih skupova podataka, a ovdje se koristi za povezivanje značajki retinalnih fotografija s rizikom od smrtnosti. Fotografije mrežnice su niskotroškovne i neinvazivne, pa se mogu snimiti bez zahvata u oko. Veliki temeljni modeli su modeli uvježbani na širokim podacima koji se mogu prilagoditi novim zadacima. U ovom istraživanju model je najprije uvježban na europskoj kohorti, a potom provjeren na tri nezavisne vanjske kohorte. Kohorta je skupina ljudi praćena tijekom istraživanja.

Validacija na vanjskim kohortama važna je jer pokazuje radi li model i izvan podataka na kojima je učen. Model je povezan s ukupnom i uzročno specifičnom smrtnošću te s incidencijom sistemskih i očnih bolesti. Osim toga, analizirane su personalizirane putanje životnog vijeka i njihovo klasteriranje, što je omogućilo razlikovanje karcinomskih, kardiometaboličkih i neurodegenerativnih obrazaca. Interpretabilnost i genomske analize dodatno su uputile na biološke i genetske čimbenike povezane s modelom.

Ključne brojke

Model je treniran na jednoj europskoj kohorti i vanjski validiran na tri nezavisne kohorte. Te kohorte pokrivaju tri regije: jugoistočnu Aziju, Euroaziju i Sjevernu Ameriku. U izvoru nisu navedene veličine uzoraka ni druge studijske brojke.

Što to znači

Rezultati upućuju na to da bi se retinalna slika mogla koristiti kao jedan od izvora podataka za procjenu rizika od smrtnosti i niza bolesti. To je važno jer se preventivna skrb u starijoj populaciji oslanja na rano prepoznavanje rizika. Model ne daje samo jednu statičnu ocjenu, nego nastoji prikazati putanje životnog vijeka i različite obrasce starenja. Time bi se moglo bolje razumjeti zašto se rizici razlikuju među ljudima i zašto neki ljudi imaju veću vjerojatnost karcinomskih, kardiometaboličkih ili neurodegenerativnih ishoda. Ipak, izvor naglašava da je riječ o pregledu rada i da su potrebna daljnja istraživanja prije šire primjene.

Što slijedi

Autori zaključuju da njihovi nalazi podupiru daljnju evaluaciju retinalnog snimanja i modeliranja putanja kao jedne komponente sveobuhvatne procjene rizika od smrtnosti. To znači da će buduća istraživanja trebati provjeriti koliko je pristup koristan u stvarnoj kliničkoj praksi i kako se može uklopiti u širu procjenu zdravlja. Za sada nema podataka o tome kada bi takav model mogao biti dostupan pacijentima.