Badacze z Uniwersytetu Medycznego w Białymstoku (Michał Burdukiewicz, Jarosław Chilimoniuk, Krystyna Grzesiak, Adam Krętowski, Michał Ciborowski) opublikowali artykuł przeglądowy „ML-based clinical decision support models based on metabolomics data” w czasopiśmie TrAC Trends in Analytical Chemistry.
Autorzy opisują jak współczesna medycyna wykorzystuje dane metabolomiczne w klinicznych systemach wspomagania decyzji (CDSS). CDSS są szeroko stosowane w medycynie ułatwiając podejmowanie krytycznych decyzji mających wpływ na zdrowie pacjenta. CDSS obejmują szereg narzędzi pomagających w codziennej pracy klinicznej, np. diagnostyce. Metabolomika to kompleksowe badanie metabolitów, produktów procesów komórkowych, które pozwalają kompleksowo opisać stan zdrowia. Jednakże dane metabolomiczne są na tyle skomplikowane, że ich dogłębna analiza wymaga wykorzystania metod uczenia maszynowego (machine learning).
W swojej pracy autorzy przedstawiają potencjał, który drzemie w budowaniu CDSS w oparciu o dane metabolomiczne opisując ich zastosowanie w wielu dziedzinach medycyny. Oprócz opisu korzyści, autorzy przestrzegają przed ryzykami powiązanymi z np. brakiem interpretowalności takich modeli a także brakiem odpowiedniej weryfikacji reguł decyzyjnych zaproponowanych przez sztuczną inteligencję.
Badania zostały wsparte przez Ministerstwo Nauki i Szkolnictwa Wyższego w ramach projektu "Inicjatywa Doskonałości - Uczelnia Badawcza" oraz grant Uniwersytetu Medycznego w Białymstoku (B.SUB.24.548 dla M.C.).
Link do artykułu: https://doi.org/10.1016/j.trac.2024.117819
