1769727305
2026-01-29 14:02:00
感情的な食事行動は、 表現型 これは生理学的エネルギー需要ではなく感情的要因によって決定される食物摂取に関連しており、肥満の発症と維持に重要な役割を果たします。メイヨークリニックの肥満ディープフェノタイピングプログラム内で実施された研究は、次のことを実証しました。 感情的要因によって決定される食物摂取などの中間表現型を同定することで、より効率的な選択が可能になります。 治療的介入 カスタム。ただし、この表現型の臨床評価は伝統的に詳細なアンケートに基づいており、時間がかかる場合があります。
この文脈では、 勉強 ハワイで開催された 2026 年太平洋バイオコンピューティングシンポジウムで発表された予測モデルは、以下に基づいて開発されました。 人工知能 広範なアンケート評価に頼ることなく、対象を絞ったライフスタイル介入や薬物療法の対象となる個人の特定を容易にすることを目的として、遺伝情報を使用して感情的な摂食行動のリスクを推定することができます。感情的な食事は、約 4,000 人を対象としたオムニ エクソームで評価された病院不安うつ病スケールのスコアが高いことと定義されました。
研究はそれを証明しています 人工知能と人工知能モデルの使用により、次のような要因によって引き起こされる食品リスクを正確に特定できます。 感情的要因臨床アンケートを広範囲に適用する必要はありません。提案されたモデルは、遺伝的リスクスコアを臨床データおよび行動データと統合することにより、食欲と摂食行動の調節に関与する関連する生物学的メカニズムを捕捉することに成功しました。結果は次のことを示しています このアプローチは、次のような患者の層別化を大幅に改善することができます。 肥満 パーソナライズされた介入を導くことができ、 薬理学とライフスタイルの両方で、肥満管理における精密医療への移行をサポートします。
遺伝子解析は全レベル関連研究によって実行されました による続いて、選択した遺伝子の近くにある変異を使用して遺伝的リスク スコアを計算します。特徴の選択は人工知能アルゴリズムによって支援され、最終的なモデルには遺伝スコアと年齢、性別、身長などの人口統計学的および人体測定学的変数が統合されました。モデルのパフォーマンスは独立したグループの精度分析によって評価され、感情的な食事行動のリスクを予測する能力が向上していることが実証されました。
「感情的な食事は体重増加の真の要因であり、現在の肥満ケアではしばしば見落とされたり誤解されたりしています。これらの暫定的な結果は、この分野が向かう方向性、つまり病気の生物学的、行動的、感情的要素を認識する肥満への正確なアプローチを強化するものです」と、フェノミックス・サイエンシズの共同創設者であり、ミネソタ州メイヨー・クリニックの肥満専門家であるアンドレス・アコスタ医学博士は、論文で述べた。 記事 メドスケープに掲載されました。
結果は次のことを示しました 少数の遺伝子に基づく単純化されたモデルにより、感情的な食事のリスクをより高い精度で予測できます。 主要な寄与を持つ遺伝子の中で、セロトニン合成とシグナル伝達に関与する HTR2A と TPH2、およびドーパミン作動性報酬系の必須構成要素である DRD2 と ANKK1 が強調されました。変数寄与分析により、これらの遺伝子がモデル予測に与える影響が確認され、 感情的な食事行動の一貫した神経生物学的基盤。
さらに、3 要素食事アンケートへの回答から、特に孤独感や感情のコントロールに関連する項目に関する追加の予測値が得られました。これらのデータを統合することで、高リスクの個人をより適切に分離できるようになりました。 従来の人口統計的要因と比較して、感情的な食事行動とのより強い線形関係を示す遺伝的スコア。
臨床的に、結果は次のことを示唆しています。 遺伝子スコア 感情的な食事のリスクを高めることで、標準的な行動評価によって提供される表現型解析能力が拡張されます。このツールを使用すると、観察研究で行動表現型と治療に対する反応の関係をテストしたり、脳腸軸や報酬回路によって引き起こされる空腹などの支配的なメカニズムに従って治療戦略に優先順位を付けることができます。
結論として、AI 支援遺伝スコアの使用は、感情的な食事のリスクを特定し、肥満管理介入を個別化するための新しいアプローチを提供します。この戦略は、個別の生物学的および行動的メカニズムに基づいて治療法が調整される精密医療への移行をサポートし、長期的な臨床転帰を改善する大きな可能性を秘めています。
AI の助けを借りて起草された資料は、医療分野の専門家で構成される Garda Report チームによって検証および編集されています。
こちらもお読みください:
#AIベースの予測モデルは遺伝データを使用してリスクを推定します