Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Kan artificiell intelligens (AI) med maskininlärning användas för ta reda på varför TEDDY barn får autoantikroppar? 2021

Totalt undersöktes 157 TEDDY barn som utvecklat en eller flera autoantikroppar.

Dessa barn jämfördes med 157 matchade kontroller som aldrig utvecklat en autoantikropp.

All data som hade samlats in om dessa barn från 3 månaders ålder och framåt matades in i en dator som var tränad med AI att hitta skillnader mellan de två grupperna.

Den data som användes innefattade till exempel ärftliga varianter så kallade SNP:ar. SNP:ar har bestämda positioner i arvsmassan och kan till exempel ligga i en gen som bestämmer risk för sjukdom.  

Andra exempel är lipider (fetter) och ämnesomsättningsprodukter (exempelvis aminosyror) samt all information som samlats in om dessa barn i intervjuer och frågeformulär.

  • AI hittade 42 olika faktorer som gjorde det möjligt att förutsäga autoantikroppar hos cirka 74% av barnen.
  • Det fanns 20 åldersberoende faktorer som innefattade HLA risk och 16 olika SNP:ar samt längden på graviditeten och om barnet fått probiotika före 3 månaders ålder.
  • Det fanns 22 olika ämnesomsättningsprodukter (till exempel adipin och ceramide) som bidrog till utveckling av autoantikroppar.

Denna studie är den första i sitt slag som använder AI för att undersöka varför vissa TEDDY barn har fått autoantikroppar.

 

Författare: Bobbie-Jo M. Webb-Robertson et al

Titel: Prediction of the development of islet autoantibodies through integration of environmental, genetic, and metabolic markers

Publicerad i Journal of Diabetes

TEDDY publikation nr 121, 2021 (PDF, 3,76 MB, nytt fönster)

Dator med hjärna. Tecknad bild.