Գիտնականները ստեղծել են նոր մոդել արհեստական բանականության հիման վրա, որը կարող է ավելի ստույգ կանխատեսել 1-ին տեսակի դիաբետի առաջացման վտանգը՝ վերլուծելով գենետիկական տվյալները։ Հետազոտությունն իրականացրել են Սան Դիեգոյի Կալիֆոռնիական համալսարանի գիտնականները, արդյունքները  հրապարակվել են Nature Genetics ամսագրում։

Աշխատանքի առանցքային գաղափարն այն է, որ 1-ին տեսակի դիաբետի վտանգի գնահատման ավանդական մեթոդները հաճախ այնքան էլ ճշգրիտ չեն, հատկապես դասական «բարձր ռիսկային» գենետիկական մարկերներ ունեցող մարդկանց համար։

Հետևաբար, հետազոտողներն օգտագործել են մեքենայական ուսուցումը և ստեղծել T1GRS անվանմամբ մոդելը, որը վերլուծում է բարդ փոխգործակցությունները հարյուրավոր գենետիկական տարբերակների միջև։

Մոդելի հիմքում ընկած են մասշտաբային գենետիկական վերլուծության տվյալները. 1-ին տեսակի դիաբետ ունեցող ավելի քան 20 հազար պացիենտներ և եվրոպական ծագմամբ մոտ 800 հազար մարդիկ, ովքեր այդ հիվանդությունը չեն ունեցել, ինչպես նաև լրացուցիչ խմբեր MHC-ի՝ գենոմի՝ իմունային համակարգի հետ կապված կարևոր հատվածներից մեկի վերլուծության համար։

Հետազոտողները պարզել են ռիսկի մոտ 199 գենետիկական տարբերակ, ներառյալ մինչ այժմ անհայտ լոկուսները՝ կապված իմունային ֆունկցիայի և գեների ակտիվության կարգավորման հետ։ Այս տվյալների հիման վրա մոդելին սովորեցրել են որոշել հիվանդության անհատական գենետիկական ռիսկը։

Արդյունքները ցույց են տվել, որ T1GRS-ը նախկին մեթոդների համեմատ զգալիորեն բարելավում է ռիսկի դասակարգման ճշգրտությունը։ Մոդելը ոչ միայն ավելի լավ է տարբերում դիաբետ ունեցող և չունեցող մարդկանց, այլև բացահայտում է գեների թաքնված համադրությունները, որոնք մինչ այժմ հաշվի չէին առնվել կլինիկական պրակտիկայում։

Ամենահետաքրքիր արդյունքներից մեկն այն է, որ ալգորիթմը թույլ է տվել առանձնացնել 1-ին տեսակի դիաբետի մի քանի գենետիկական ենթատեսակներ։ Այդ ենթատեսակները տարբերվում են ըստ տարիքի՝ կապված հիվանդությունն սկսվելու և բարդությունների հավանականության հետ. որոշ պացիենտների մոտ հիվանդությունը կարող է առաջանալ մանուկ հասակում, մյուսների մոտ՝ ավելի ուշ, իմունային պատասխանի տարբեր մեխանիզմներով։

Գիտնականները նշել են, որ այս տարբերակումը կարող է ապագայում օգնել անցնել ավելի անհատականացված բժշկության՝ ոչ միայն կանխատեսել դիաբետի ռիսկը, այլև հասկանալ, թե հատկապես ինչպես այն կզարգանա կոնկրետ մարդու մոտ։