Model sztucznej inteligencji łączy zdrowie psychiczne z ryzykiem cukrzycy typu 2
Nowe badanie wykorzystujące zaawansowany model sztucznej inteligencji typu „digital twin” wykazało, że takie czynniki jak samotność, bezsenność oraz zaburzenia zdrowia psychicznego istotnie zwiększają ryzyko rozwoju cukrzycy typu 2 w przyszłości
Badanie, prowadzone przez Anglia Ruskin University (ARU) we współpracy z Cranfield University, University of Portsmouth oraz Intelligent Omics Ltd, zostało opublikowane w czasopiśmie Frontiers in Digital Health. W analizie wykorzystano dane dotyczące stylu życia i zdrowia 19 774 dorosłych mieszkańców Wielkiej Brytanii pochodzące z UK Biobank, obserwowanych przez okres do 17 lat. W przeciwieństwie do tradycyjnych narzędzi predykcyjnych, nowy model opierał się wyłącznie na informacjach behawioralnych, stylu życia i czynnikach psychospołecznych, bez uwzględniania badań laboratoryjnych czy danych z urządzeń ubieralnych.
Samotność, bezsenność i zdrowie psychiczne a ryzyko cukrzycy typu 2
Model „digital twin”, opracowany przez ARU, symulował wpływ zmian w codziennym funkcjonowaniu na długoterminowe ryzyko rozwoju cukrzycy. Wykazano, że samotność, bezsenność oraz pogorszone zdrowie psychiczne wiązały się – w założeniach modelu – ze wzrostem ryzyka o około 35 punktów procentowych dla każdego z tych czynników.
W sytuacji współwystępowania wszystkich trzech czynników model przewidywał wzrost bezwzględnego ryzyka aż o 78 punktów procentowych. Co istotne, model ten okazał się bardziej precyzyjnym narzędziem predykcyjnym niż sama analiza diety.
Stres, stan zapalny i dieta: mechanizmy zwiększające ryzyko cukrzycy
Badacze wskazują, że obserwowane zależności mogą być związane z odpowiedzią organizmu na przewlekły stres, który prowadzi do zwiększonego wydzielania hormonów stresu, nasilenia procesów zapalnych oraz zaburzeń gospodarki węglowodanowej.
Analiza ujawniła również silne powiązania między czynnikami związanymi ze stresem a nawykami żywieniowymi. W szczególności dotyczyło to zwiększonego spożycia soli, słodzonych produktów zbożowych oraz przetworzonego mięsa – elementów diety powiązanych ze zwiększonym ryzykiem cukrzycy typu 2. Nawet niewielkie zmiany w sposobie odżywiania wzmacniały poziom ryzyka według modelu. Zauważono także potencjalne działanie ochronne sera, jednak efekt ten tracił znaczenie w obecności problemów zdrowia psychicznego.
Model „digital twin” wskazał również istotne różnice etniczne – uczestnicy pochodzenia południowoazjatyckiego, afrykańskiego oraz karaibskiego wykazywali znacznie wyższe szacowane ryzyko niż osoby rasy białej, co jest zgodne z wcześniejszymi obserwacjami NHS i Public Health England.
Profilaktyka cukrzycy typu 2: zastosowania modelu bez badań laboratoryjnych
Ze względu na brak konieczności wykonywania badań medycznych model ten może stanowić użyteczne narzędzie dla systemów ochrony zdrowia, umożliwiając wcześniejszą identyfikację osób wysokiego ryzyka oraz projektowanie ukierunkowanych, kosztowo efektywnych programów profilaktycznych.
Cukrzyca typu 2 dotyczy obecnie ponad 500 milionów osób na świecie i pozostaje jednym z najpoważniejszych wyzwań zdrowia publicznego, w dużej mierze wynikającym z modyfikowalnych czynników ryzyka. W odróżnieniu od cukrzycy typu 1, która ma podłoże autoimmunologiczne, cukrzyca typu 2 jest silnie związana ze stylem życia.
Dotychczas specjaliści medyczni napotykali trudności w odpowiednio wczesnym przewidywaniu rozwoju choroby, co ograniczało możliwości skutecznej interwencji profilaktycznej.
Współautorka badania, profesor Barbara Pierscionek, zastępca dziekana ds. badań i innowacji na Wydziale Health, Medicine and Social Care w Anglia Ruskin University, podkreśla: „Cukrzyca typu 2 stanowi narastający problem zdrowotny na świecie, który jest w znacznym stopniu zależny od stylu życia. Obecne modele predykcyjne opierają się jednak głównie na wskaźniku BMI, wieku czy ciśnieniu tętniczym, co nadmiernie upraszcza obraz choroby i pomija złożone, wzajemnie powiązane czynniki behawioralne i emocjonalne.”
Dodaje również: „Systemy typu digital twin odwzorowują profile zdrowotne pacjentów, umożliwiając analizę scenariuszy ‘co jeśli’ i personalizację opieki. Większość dotychczasowych modeli wymaga jednak danych w czasie rzeczywistym z urządzeń ubieralnych, co stanowi barierę w środowiskach o ograniczonej infrastrukturze technologicznej.”
Dr Mahreen Kiran, główna autorka badania, wskazuje: „Nasze wyniki pokazują, jak istotne jest uwzględnianie zmiennych behawioralnych i psychospołecznych, takich jak samotność, zaburzenia snu czy historia problemów psychicznych, w modelach oceny ryzyka zdrowotnego.”
Z kolei dr Nasreen Anjum z University of Portsmouth podkreśla znaczenie zastosowanej metodologii: „Kluczową zaletą naszego badania jest wykorzystanie transparentnych modeli i symulacji przyczynowych, które pozwalają lepiej zrozumieć interakcje czynników behawioralnych w czasie. Zwiększa to wiarygodność zastosowań sztucznej inteligencji w podejmowaniu decyzji w profilaktyce zdrowotnej.”
Źródło: Frontiers in Digital Health, A digital twin framework for predicting and simulating type 2 diabetes onset using retrospective lifestyle data
DOI: http://dx.doi.org/10.3389/fdgth.2026.1710829
