针对韩国人特点的“2型糖尿病”发病预测机器学习模型已研发成功。
UNIST(蔚山科学技术院)产业工程系李贞慧教授团队与高神大学福音医院家庭医学科姜智勋教授团队5日表示,基于大规模韩国人队列(具有某种共同特征的大量人群集合),研发出提高2型糖尿病发病预测性能的机器学习模型。
他们研发了针对韩国人特点的多基因风险评分,并结合人口统计学信息、临床信息以及代谢物(参与物质代谢或在物质代谢过程中生成的物质)信息共同加以利用。
糖尿病是一种常见疾病,30岁以上韩国人中每6人就有1人患病。它是可引发脑卒中或心血管疾病等并发症的危险慢性病,因此事前预防十分重要。糖尿病发病与包括饮食在内的生活习惯、遗传条件等密切相关,基于此类信息的预测模型研究正持续推进。
此前的糖尿病发病风险预测模型研究主要以西方人群为对象。即便以东方人为对象,也主要使用身高、体重、家族史等人口统计学信息或糖化血红蛋白值、胆固醇值等临床信息。因此,在反映韩国人特有遗传及环境因素的糖尿病预测方面存在局限。
为此,研究团队挑战利用针对韩国人特点的信息开发预测模型,并以疾病管理本部国立保健院收集的韩国人基因组流行病学调查项目(KoGES)大规模队列为基础。该队列是为研究韩国人常见的糖尿病、高血压、肥胖、代谢综合征等慢性病,自2001年起追踪收集的资料。
研究团队在人口统计学信息、临床信息之上加入遗传信息和环境信息进行综合,从而提高了糖尿病发病预测性能。
第一作者、UNIST产业工程系博士研究生韩锡周解释称:“关于2型糖尿病发病的遗传信息,我们按照韩国人基因特征重新计算了‘多基因风险评分’并用于预测模型”,“环境信息以‘代谢物’形式反映,与遗传信息无法解释的部分形成互补。”
最终开发的2型糖尿病发病预测模型,比仅使用人口统计学信息的情况预测性能高出约11个百分点;与同时使用人口统计学信息和临床信息的情况相比,预测性能也提升约4个百分点以上。
共同第一作者、UNIST产业工程系博士研究生金秀贤强调:“在以韩国人为对象的队列中获取人口统计学信息和临床信息,并在此基础上加入新开发的多基因风险评分、代谢物信息等,模型的预测准确度就越高。”
此次开发的模型可掌握针对韩国国民特点的糖尿病发病风险度,并提供发病因素。研究团队预计,若将该模型用于临床现场,可有效预防和应对2型糖尿病。
李贞慧教授期待地表示:“将原本以西方人队列为中心开展的研究转向以韩国人队列进行研究,这具有重大意义”,“也可用于利用亚洲人群队列数据的各类后续研究。”
此次研究成果发表于医学领域顶级学术期刊《柳叶刀》(The Lancet)的姊妹刊《eBioMedicine》。






