Se mangi uno spuntino – una polpetta, diciamo o un marshmallow – come influenzerà il tuo zucchero nel sangue? È una domanda sorprendentemente complicata: la risposta glicemica del corpo a alimenti diversi varia in base alla genetica individuale, ai microbiomi, alle fluttuazioni ormonali e altro ancora. Per questo motivo, fornire consigli nutrizionali personalizzati – che possono aiutare a gestire il diabete, l’obesità e le malattie cardiovascolari, tra le altre condizioni, richiede test costosi e invadenti, rendendo difficile fornire cure efficaci su vasta scala.
In una carta in Journal of Diabetes Science and TechnologyI ricercatori del Stevens Institute of Technology offrono un nuovo approccio: un modello di parto di dati in grado di prevedere accuratamente le risposte glicemiche individuali senza necessità di disegni di sangue, campioni di feci o altri test spiacevoli. La chiave del loro approccio? Tenere traccia di ciò che le persone mangiano effettivamente.
“Potrebbe sembrare ovvio, ma fino ad ora la maggior parte della ricerca si è concentrata sui macronutrienti, come i grammi di carboidrati, invece di cibi specifici che le persone stanno mangiando”, spiega la dott.ssa Samantha Kleinberg, professore di informatica di Farber. “Abbiamo dimostrato che analizzando i tipi di cibo, è possibile fare previsioni altamente accurate con dati molto meno”.
Il team del Dr. Kleinberg ha studiato due set di dati che includono sia diari alimentari dettagliati che dati continui di monitoraggio del glucosio per quasi 500 persone con diabete (entrambi i tipi 1 e 2) con sede negli Stati Uniti e in Cina. Utilizzando database alimentari e CHATGPT esistenti, hanno classificato ogni pasto in base al contenuto di macronutrienti e hanno anche sfruttato la struttura degli alimenti (quindi le carni sono più simili tra loro che ai formaggi), consentendo loro di distinguere tra alimenti nutrizionalmente equivalenti.
Allenando un algoritmo utilizzando sia i dati nutrizionali che le caratteristiche alimentari, più alcuni dettagli demografici, il team è stato in grado di prevedere la risposta glicemica di ogni individuo a ciascun cibo con praticamente gli stessi livelli di accuratezza trovati in studi precedenti che includevano dati dettagliati sul microbioma e altre informazioni difficili da collegare.
“Ancora non lo sappiamo Perché Comprese le caratteristiche alimentari fa una differenza così grande “, afferma il Dr. Kleinberg. È possibile che le informazioni alimentari siano un proxy per i micronutrienti che guidano le risposte glicemiche, o che le proprietà fisiche di alcuni alimenti portano i persone a mangiarli o digerirli in modo diverso.” Ciò che è chiaro, sebbene, quando si tratta di zucchero nel sangue, c’è più lavoro oltre a macronienti, “Dr. Kleinberger.
Concentrandosi sui tipi di cibo, il team è stato anche in grado di esplorare le singole variazioni delle risposte glicemiche. “Poiché le persone mangiano gli stessi pasti ancora e ancora, i dati ci danno visibilità sul modo in cui le risposte individuali a alimenti specifici cambiano nel tempo”, spiega il dott. Kleinberg. Il team ha scoperto che includere i dati sui cicli mestruali nel loro modello rappresentavano gran parte della variazione intra-soggetto, suggerendo che il mutevole livelli di ormoni potrebbe svolgere un ruolo importante nel mediare le risposte glicemiche individuali.
Il modello del team prevede anche accuratamente la risposta glicemica sia per le popolazioni statunitensi che cinesi, una scoperta importante, poiché i modelli a base di microbioma spesso facevano fatica a fornire risultati accurati in diversi contesti culturali. “Non abbiamo bisogno di dati su una specifica popolazione regionale per essere in grado di fare previsioni lì”, spiega il dott. Kleinberg.
Il nuovo modello è anche abbastanza potente da prevedere le risposte glicemiche di un individuo basate su dati demografici, senza formazione personalizzata sui registri degli alimenti o altri dati personalizzati. Di conseguenza, i medici potrebbero potenzialmente utilizzare il modello per offrire consulenza nutrizionale durante un incontro iniziale con un paziente, senza la necessità di laborioso disboscamento alimentare o test invadenti. “Possiamo offrire consigli migliori se abbiamo più dati, ma possiamo ottenere risultati molto buoni senza informazioni personalizzate”, spiega il dott. Kleinberg. “Ciò significa che possiamo dare immediatamente ai pazienti consigli utili – e, si spera, ciò li motiverà ad andare avanti.”
Successivamente, il team prevede di perfezionare il loro modello utilizzando set di dati più grandi ed di esplorare se l’aggiunta di dati di microbioma aumenta l’accuratezza del loro modello. “Questa è la grande domanda, perché se solo le informazioni alimentari ci danno tutto ciò di cui abbiamo bisogno, potrebbe non esserci bisogno di raccogliere campioni di feci o fare altri test”, afferma il dott. Kleinberg. “Ciò potrebbe rendere la nutrizione personalizzata più conveniente e accessibile a tutti”.
Da un’altra testata giornalistica. news de www.sciencedaily.com