AI-metoder för personlig medicin och utveckling av diabetes mellan generationerna
| Diarienummer | |
| Koordinator | Lunds universitet - Lunds Universitet CRC |
| Bidrag från Vinnova | 2 796 129 kronor |
| Projektets löptid | juli 2024 - september 2027 |
| Status | Pågående |
| Utlysning | Samverkan mellan Vinnova och Department of Biotechnology (DBT), Indien |
| Ansökningsomgång | Samarbete med Indien inom hälsa med fokus på AI-baserad digitalisering, biodesign eller cirkulär ekonomi |
Syfte och mål
Diabetes är ett globalt folkhälsoproblem. År 2045 förväntas 783 miljoner människor vara drabbade. Vi avser att använda AI-ML-metoder för att förfina indelningen av svenska och indiska populationer i olika diabetes-undergrupper och identifiera individer som behöver intensiv behandling för att förebygga komplikationer. Målet är att identifiera biomarkörer för typ 2-diabetes-undergrupper för bättre behandlingsval och att modellera livsförloppet för att hitta prekliniska vägar mot primärprevention.
Förväntade effekter och resultat
Vi kommer att identifiera individer med högst risk för diabetes och samsjuklighet. Vi ska undersöka hur väl svenska studiedata för diabetesindelning passar indiska populationer. Genom att jämföra biomarkörer som är specifika för typ 2-diabetes och olika undergrupper får vi insikter i olika etiologier och behandlingspreferenser hos olika grupper. Modellering av livsförlopp ger värdefulla insikter för primärprevention.
Planerat upplägg och genomförande
Polygena riskpoäng för symtom vid diabetes, samsjuklighet och födelseparametrar kommer att utvärderas och jämföras mellan populationer. Nya klustringsmetoder baserade på kliniska mått och genetik ska utforskas. Omics-biomarkörer för typ 2-diabetes och undergrupper testas för att bättre förstå patofysiologi och möjliga behandlingsimplikationer. Modellering av livsförlopp kommer att utföras för att främja strategier för att förebygga sjukdom i ett tidigt skede.