מכון ויצמן ואנבידיה פיתחו מודל שמנבא סוכרת 12 שנה מראש

מאמר שפורסם בכתב העת המדעי המוביל Nature מראה כיצד ניתן לנבא מי מהמוגדרים כיום "טרום סוכרתיים" בסיכון לפתח סוכרת ומי לא בסיכון, וכך למקד את ההתערבות המונעת במי שזקוק לה • פרופ' ערן סגל, שעל בסיס מחקריו קמה DayTwo ובמעבדתו בוצע המחקר הנוכחי, מקווה להראות בהמשך כיצד ניתן לקשר בין המידע על הסוכר לתוצאות נוספות כמו דפוסי שינה עתידיים

אנבידיה ומכון ויצמן / צילום: שלומי יוסף, שאטרסטוק
אנבידיה ומכון ויצמן / צילום: שלומי יוסף, שאטרסטוק

מאמר שמתפרסם היום בכתב העת המוביל Nature מציג מודל חדש שיודע לנבא את הסיכון ללקות בסוכרת 12 שנה מראש, בהתבסס על נתונים שנאספו ממד סוכר רציף. פרופ' ערן סגל ממכון ויצמן הוא החוקר הבכיר שחתום על המחקר. סגל מוכר בישראל בעיקר הודות למחקריו שעמדו בבסיס חברת DayTwo. החברה ניבאה את התגובה המטבולית של אנשים שונים לצריכה של מזונות שונים. היא אמנם לא הצליחה מסחרית, אבל במעבדה של סגל נמשך המחקר בתחומים הללו ובתחומים משיקים להם, ומקבל הכרה עולמית רחבה.

קבוצת מדענים הציבה לעצמה מטרה שאפתנית: לגלות איך פועל החוש השישי
ארה"ב הפכה את פרמידת המזון: בשר בראש, דגנים למטה. ובישראל?

תובנה מפתיעה מהאלגוריתם

המחקר הנוכחי של סגל ואנשי הצוות שלו נשען על ה־GluFormer, מודל AI שאומן על נתונים שנאספו ב"פרויקט 10k" - פרויקט שנועד תחילה למפות שורה של נתונים מעשרת אלפים איש לצורך ניבוי מותאם אישית של מחלות, ובפועל כבר עבר את היעד, עם 14 אלף משתתפים.

הנבדקים מגיעים פעם בשנתיים, עונים על שאלונים, נבדקים גנטית, מספקים תוצאות בדיקות דם, בדיקות צואה לאבחון המיקרוביום, בדיקות שינה ביתיות (מתוצרת איתמר מדיקל הישראלית, היום בבעלות מדטרוניק), בדיקות תנועה, שאלונים על היסטוריה רפואית והרגלים רפואיים וגם עוברים בדיקת סוכר רציפה. זהו אחד ממאגרי המידע העשירים בעולם המקשרים בין מדידות סוכר רציפות למגוון רחב של משתנים הנמדדים לאורך זמן. "אני חושב שהיינו החלוצים בעולם בשימוש במד סוכר באנשים בריאים או טרום סוכרתיים", אומר סגל בשיחה עם גלובס.

על בסיס המידע הזה פועלים החוקרים כדי לבודד משתנים מנבאים, כך שניתן יהיה לאתר אנשים בריאים או עם גורמי סיכון הזקוקים לטיפול מונע. במחקר הסוכרת שמתפרסם כעת, החוקרים בחנו את המנוע על נתונים חדשים מ־9 מאגרי מידע. הנתונים היו של נבדקים שהוגדרו טרום סוכרתיים על בסיס המדד המקובל כיום - מדד ה־A1C (המוגלובין מסוכרר).

"הגיוני לחשוב שבתוך הקטגוריה של מי שמוגדרים קדם סוכרתיים, מי שיש לו A1C יחסית גבוה יהיה בסיכון מוגבר לחלות בסוכרת, ומי שיש לו A1C נמוך יותר, הוא בסיכון מופחת, אבל מתברר שזה לא נכון", אומר סגל. "אמנם, בממוצע, מי שהיו בטווח המוגדר כטרום סוכרתי חלו בסוכרת יותר, אבל המיקום בתוך הטווח כמעט לא ניבא את הסיכון, בעוד שהאלגוריתם שלנו יכול לנבא זאת".

לפי המאמר, 66% ממי שאכן חלו לבסוף בסוכרת קיבלו "ציון" 75 (מתוך 100) ומעלה במדד של סגל. לעומת זאת, רק 7% מהחולים קיבלו ציון 25 ומטה, עדות ליכולת של המדד להפריד בין הקבוצות.

מנבא לא רק סוכרת

המדד אמנם התבסס על תנודות בסוכר, אבל הוא ניבא אירועים לבביים טוב יותר מכפי שניבא סוכרת. 69% ממי שסבלו מאירוע לב לבסוף קיבלו ציון 75 ומעלה במדד. לעומת זאת, בקרב אלה שקיבלו ציון 25 ומטה במדד הסיכון לא התרחש אפילו לא התקף לב אחד. "אם מחברים למדידת הסוכר מידע נוסף, אפשר להגיע לתוצאות עוד יותר טובות", אומר סגל. כמו כן, מקווה קבוצת המחקר להראות בהמשך כיצד ניתן לקשר בין המידע על הסוכר לבין תוצאות נוספות, לא בהכרח צפויות, כמו דפוסי שינה עתידיים.

לדברי סגל, הנתונים הללו יכולים לעזור לארגוני בריאות לזהות מי מהקבוצה הטרום סוכרתית זקוק באמת להתערבות משמעותית, ומי ככל הנראה לא יפתח סוכרת גם אם לא ישנה את אורח חייו. מניעת סוכרת בטרום סוכרתיים היא משימה שארגוני הבריאות, בעיקר בארה"ב, משקיעים בה מאמצים רבים, באמצעים שנעים בין תמיכה אינטנסיבית בשינוי סגנון החיים לטיפול תרופתי.

למחקר היו שותפים גם בית הספר לבריאות ציבורית דיגיטלית באוניברסיטת MBZUAI (The Mohamed Bin Zayed University of Artificial in Abu Dhabi). וחברת Pheno.AI, שרכשה את הזכויות למסחור הטכנולוגיה ותפעל להביא אותה לארגוני בריאות.

תמיכה מאנבידיה

המודל שפיתחו החוקרים פועל באופן דומה למודלי שפה גדולים, והוא מבוסס על התשתיות של אנבידיה ובתמיכת מומחים לבינה מלאכותית מתוך החברה.

כפי שכלי AI טקסטואליים מנבאים את המילה הבאה הסבירה ביותר ואת זו שאחריה, כך המודל של סגל וקבוצתו מנבאים ממדידת סוכר של שבוע את ההסתברות להתפתחות המדידות בעתיד. "וכפי שאנחנו מבינים שהבינה המלאכותית הטקסטואלית למדה משהו מהותי על שפה, כנראה המודל שלנו למד משהו מהותי על סוכרת", אומר מוביל המחקר גיא לוצקר, חוקר בינה מלאכותית באנבידיה ודוקטורנט במעבדה של סגל במכון ויצמן.לוצקר.

הוא למד משהו שאתה יודע לומר במילים? גיליתם תופעה מדעית חדשה שניתן להמשיג?
לוצקר: "לא, המודל הוא במידה מסוימת קופסה שחורה. כן הצלחנו להפיק ממנו תובנות מסוימות, אבל הקשרים כנראה מורכבים מכדי שבני אדם יקלטו אותם עד הסוף".

בעיה שאפיינה גם את DayTwo ותצטרכו להתגבר עליה היא שבעוד הניבויים שלכם יכולים להיות מדויקים ומותאמים אישית, בסופו של דבר ההמלצות לכולם די דומות, ללא תלות ברמת הסוכר המדויקת שלהם - פעילות גופנית, תזונה נכונה וכדומה.
סגל: "מה שהופך את העבודה הזאת למעניינת הוא שרק 20%־30% מהקבוצה שמוגדרת טרום סוכרתית בכלל תפתח סוכרת. כך שאולי המלצות סגנון החיים הן דומות, אבל צריך לרכז את משאבי ההתערבות בקבוצה הזאת".