Ключевые результаты
Модель машинного обучения, использующая шесть метаболитов, связанных с кишечной микробиотой и диетой, продемонстрировала 79% точность в классификации взрослых с когнитивными нарушениями и когнитивно здоровых людей. Результаты исследования были опубликованы в журнале Gut Microbes.
Методология
Исследователи разработали модель машинного обучения на основе анализа биомаркеров крови, связанных с метаболитами кишечной микробиоты и компонентами диеты. Хотя полная методология не представлена в исходном фрагменте, исследование, по-видимому, фокусировалось на идентификации специфических метаболитов, которые могут служить предикторами когнитивных нарушений.
Клиническое значение
«Маркеры на основе анализа крови в скором времени могут помочь выявлять пациентов с повышенным риском задолго до того, как когнитивные нарушения можно будет обнаружить с помощью визуализации или клинических тестов», — заявил Дэвид Возур (David Vauzour), доктор философии, доцент молекулярной нутрициологии Медицинской школы Норвич Университета Восточной Англии (Великобритания).
Такие биомаркеры могут поддержать раннюю стратификацию пациентов, помогая клиницистам в своевременной диагностике и потенциально в разработке персонализированных подходов к профилактике когнитивных нарушений.
Выводы
Исследование подчеркивает важность взаимосвязи между кишечной микробиотой, диетой и когнитивным здоровьем. Способность выявлять риск когнитивных нарушений с помощью простого анализа крови может значительно улучшить раннюю диагностику, что критически важно для своевременного вмешательства и лечения. Данное исследование открывает перспективы для разработки новых диагностических инструментов, основанных на метаболомном профилировании.