Ученые нашли его с помощью машинного обучения и использовали в скрининговом тесте
Дэниел Ю (Daniel Yoo) из Датского технологического университета и его коллеги из Италии и США разработали тест на основе алгоритмов машинного обучения для оценки пользователем своего риска развития сахарного преддиабета и диабета. Одним из маркеров риска в нем служит длина бедра. Исследователи использовали данные почти 17,5 тысячи человек из когорты NHANES за 1988–2018 годы. Ключевые предикторы преддиабета и диабета (уровень глюкозы натощак 5,6 и выше миллимоль на литр, уровень гликированного гемоглобина 5,7 и более процентов) идентифицировали среди почти 3700 параметров с помощью алгоритма Boruta. С использованием мультимодальных данных создали несколько алгоритмов машинного обучения и сравнили их между собой, наилучшую нейросетевую модель использовали для теста MEDWACS (Machineborne Early Diabetic Warning And Control System, машинная система раннего предупреждения и контроля диабета). Отчет о работе опубликован в Journal of Clinical Epidemiology.
Производительность модели оценили по площади под ROC-кривой и калибровке, для тестирования использовали данные 3034 человек из когорты NHANES 2021–2023 годов и 5492 из Korea NHANES 2023. В качестве предикторов в модели используются возраст, пол, систолическое артериальное давление, индекс массы тела, окружность талии, окружность руки на середине плеча и длина бедра. По мнению авторов работы, значимость такого неочевидного параметра, как длина бедра, может быть обусловлена тем, что, во-первых, он отражает качество питания в первые годы жизни, а во-вторых, косвенно свидетельствует об объеме крупных бедренных мышц, которые утилизируют много глюкозы. При тестировании на внутренней когорте площадь под ROC-кривой составила 0,804 с высокой точностью в субпопуляциях, на внешних — 0,773 и 0,780 с хорошей калибровкой, клиническая пригодность превысила имеющиеся методы скрининга. Тест выложили в открытый доступ.