Ο σακχαρώδης διαβήτης, η παχυσαρκία και τα καρδιαγγειακά νοσήματα αυξάνονται με ανησυχητικούς ρυθμούς, επηρεάζοντας τις ζωές ολοένα και περισσότερων ανθρώπων, με το ηλικιακό φάσμα των εκείνων που νοσούν να μειώνεται συνεχώς. Ενδεικτικά, το 2024, περίπου 500 εκατομμύρια άνθρωποι παγκοσμίως ζούσαν με διαβήτη, αριθμός που εκτιμάται ότι θα φτάσει τα 780 εκατομμύρια έως το 2045, με τις επιπτώσεις να επεκτείνονται σε καρδιά, νεφρά, όραση και στη συνολική ποιότητα ζωής και το οικονομικό κόστος για τη δημόσια υγεία να αναμένεται δυσθεώρητο.
Σε αυτό το δυστοπικό περιβάλλον, το ευρωπαϊκό ερευνητικό έργο CoDIET επιχειρεί να απαντήσει σε ένα κρίσιμο ερώτημα: πώς μπορεί η διατροφή να συνδεθεί ουσιαστικά, με επιστημονικά μετρήσιμο τρόπο, με τη μεταβολική υγεία του κάθε ανθρώπου ξεχωριστά;
Το CoDIET υλοποιείται στο πλαίσιο του προγράμματος Horizon Europe και ξεκίνησε την 1η Ιανουαρίου 2023, με ορίζοντα ολοκλήρωσης το τέλος του 2026. Στον πυρήνα του έργου βρίσκεται η αξιοποίηση προηγμένων αναλυτικών τεχνικών και εργαλείων Τεχνητής Νοημοσύνης, με στόχο την ανάπτυξη εξατομικευμένων διατροφικών συστάσεων, φιλοδοξώντας να συμβάλει ουσιαστικά στην ενίσχυση της πρόληψης.
Οι κάμερες λειτουργούν συμπληρωματικά στα κλασικά ημερολόγια διατροφής, επιτρέποντας την ακριβή ποσοτικοποίηση της τροφής που καταναλώνεταιΣτο έργο συμμετέχουν 17 εταίροι από εννέα χώρες, ενώ ο συντονισμός γίνεται από το ερευνητικό κέντρο AZTI στην Ισπανία. Μεταξύ αυτών βρίσκεται και η ελληνική ομάδα, με επιστημονικά υπεύθυνο, Καθηγητή Αναλυτικής Χημείας και Διευθυντή του Διεπιστημονικού Εργαστηρίου BiOMIC στο ΚΕΔΕΚ του Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Γεώργιο Θεοδωρίδη.
Μιλώντας στα «Μακεδονικά Νέα», ο κ. Θεοδωρίδης «ξετυλίγει» τον τρόπο με τον οποίο το έργο επιχειρεί να συνδέσει, με συστηματικό και μετρήσιμο τρόπο, τη διατροφή με τα μεταβολικά νοσήματα, παρακολουθώντας εθελοντές μέσα από έναν συνδυασμό απλών και εξαιρετικά προηγμένων αναλύσεων.
Από τις ανθρωπομετρικές μετρήσεις στο μικροβίωμα του εντέρου
Όπως εξηγεί ο ίδιος, οι συμμετέχοντες στη μελέτη υποβάλλονται σε ένα ευρύ φάσμα μετρήσεων.
«Παρακολουθούμε τους εθελοντές, συνδυάζοντας πολύ προηγμένες αναλύσεις με απλές του μικροβιολογικού εργαστηρίου και ανθρωπομετρικά και βιομετρικά δεδομένα, λιπομετρήσεις κ.α.», εξηγεί.
Παράλληλα, αξιοποιούνται φορητές συσκευές (wearables), οι οποίες καταγράφουν στοιχεία της καθημερινότητας, ενώ ιδιαίτερη καινοτομία αποτελεί η χρήση ψηφιακών καμερών που φορούν οι εθελοντές. Όπως επισημαίνει ο κ. Θεοδωρίδης, οι κάμερες λειτουργούν συμπληρωματικά στα κλασικά ημερολόγια διατροφής, επιτρέποντας την ακριβή ποσοτικοποίηση της τροφής που καταναλώνεται, περιορίζοντας τα αναπόφευκτα σφάλματα στην καταγραφή.
Αξιοποιώντας τα wearables και τις «βαριές» αναλύσεις για το μικροβίωμα του εντέρου και το μεταβολικό προφίλ κάθε ατόμου-εθελοντή, «συντίθεται» το μοναδικό βιολογικό του «αποτύπωμα». «Προσπαθούμε να κατανοήσουμε τη συσχέτιση της διατροφής κάθε ανθρώπου με τη μεταβολική του κατάσταση», σημειώνει χαρακτηριστικά.
«Στο δεύτερο στάδιο θα παρακολουθούμε τους εθελοντές. Ουσιαστικά έχουμε φτιάξει τον αλγόριθμο μηχανικής μάθησης που δίνει προσωποποιημένες διατροφικές συμβουλές. Οι εθελοντές θα εφαρμόσουν αυτές τις συμβουλές για 12 εβδομάδες και έπειτα εμείς θα ποσοτικοποιήσουμε τη βελτίωση στο μεταβολικό προφίλ και στο φαινότυπο τους. Δηλαδή ότι βελτιώθηκε πραγματικά η διατροφή και αυτό το μετράμε σε νούμερα», συνεχίζει.
Η Τεχνητή Νοημοσύνη αρωγός στη «μάχη» εναντίον των μεταβολικών νοσημάτων
Τα τελευταία χρόνια συστήματα που αναπτύσσονται με Τεχνητή Νοημοσύνη γίνονται πολύτιμοι σύμμαχοι σε τομείς όπως η υγεία και η προηγμένη ιατρική έρευνα, με το CoDIET να την αξιοποιεί ως υποστηρικτικό εργαλείο σε τρία επίπεδα του έργου.
«Το πρώτο είναι ότι αρχικά κάναμε τεχνητή νοημοσύνη για να επιλέξουμε τους δείκτες που θα μετρήσουμε από τη βιβλιογραφία. Δηλαδή αναπτύξαμε μοντέλο που διαβάζει όλη τη βιβλιογραφία, χιλιάδες εργασίες. Επιπλέον, τεχνητή νοημοσύνη επεξεργάζεται τα δεδομένα -κυρίως αυτά της κάμερας που φοράνε οι εθελοντές για να μετρήσει ακριβώς το τι τρώνε. Τέλος, η τεχνητή νοημοσύνη γίνεται αυτό που λέμε “recommender”. Δεν διαμορφώνει την διατροφή ο διατροφολόγος, αλλά βάλαμε το Artificial Intelligence -το εκπαιδεύτηκε από διατροφολόγους, γιατρούς και ενδοκρινολόγους- να το κάνει. Έτσι, το Artificial Intelligence βοηθάει τους δικούς μας ειδικούς, να δώσουν την προσποιημένη διατροφή στον κάθε εθελοντή», εξηγεί.
Οι διαφορετικές διατροφικές κουλτούρες και η «σταθερή αξία» της γιαγιάς
Στη μελέτη συμμετέχουν πληθυσμοί από τέσσερις χώρες: Ελλάδα, Ισπανία, Ιρλανδία και Ηνωμένο Βασίλειο. «Οι διατροφές στους χώρες αυτές είναι πολύ διαφορετικές και αυτό μεταφράζεται στη σύσταση των βιολογικών δειγμάτων που αναλύουμε. Άλλη ελιά έχουμε στην Ελλάδα και άλλη στην Ισπανία. Άλλη δίαιτα έχουν οι Άγγλοι σε σχέση με εμάς. Επομένως, οι πληθυσμοί μας διαφέρουν μεταξύ τους. Τελικά είμαστε αυτό που τρώμε», σχολιάζει ο ίδιος.
Την ίδια στιγμή, ακόμη και άτομα με κοινό γενετικό υπόβαθρο -ακόμη και δίδυμα αδέλφια- εμφανίζουν διαφοροποιήσεις στο μεταβολισμό, λόγω του διαφορετικού μικροβιώματος του εντέρου. Αυτή η πολυπλοκότητα -όπως επισημαίνει ο κ. Θεοδωρίδης- είναι και ο λόγος που η εξατομίκευση θεωρείται βασικός άξονας για αποτελεσματικές συστάσεις.
Κοινή συνισταμένη για την μείωση των μεταβολικών νοσημάτων -ίσως και παγκοσμίως- είναι, σύμφωνα με τον κ. Θεοδωρίδη, η… γιαγιά, καθώς ερωτηθείς για το μήνυμα που θα ήθελε να στείλει αναφορικά με τη διατροφή απαντά αποστομωτικά: «Πίσω στο φαγητό της γιαγιάς».
