Bagaimana data digital dan molekuler dapat diintegrasikan dan digunakan untuk meningkatkan kesehatan

  • Whatsapp


Menganalisis karakteristik molekuler dan variasinya selama perubahan gaya hidup, dengan menggabungkan alat digital, tes laboratorium klasik, dan pengukuran biomolekuler baru, dapat memungkinkan pencegahan penyakit secara individual. Ini menurut sebuah studi baru dari Karolinska Institutet di Swedia dan University of Helsinki di Finlandia yang diterbitkan dalam jurnal Cell Systems. Para peneliti menunjukkan apa yang dapat terdiri dari model perawatan kesehatan proaktif dan bagaimana hal itu dapat membantu menjaga kesehatan yang baik.

Kredit gambar: Daniel Sone melalui Wikimedia

Sensor, aplikasi, dan alternatif digital lainnya untuk memantau kesehatan meningkatkan kemampuan kita untuk mengambil tindakan proaktif guna meningkatkan kesehatan dan kesejahteraan kita. Selain itu, pengukuran simultan dari banyak variabel biomolekuler (multiomik) memungkinkan pembuatan profil biologi manusia yang mendalam dan komprehensif.

“Alih-alih berfokus pada pengobatan penyakit stadium lanjut, layanan kesehatan di masa depan dapat fokus pada intervensi yang lebih proaktif dan individual dan pada deteksi dini penyakit,” kata penulis pertama studi tersebut. Francesco Marabita, peneliti di Departemen Onkologi-Patologi, Institut Karolinska dan SciLifeLab di Swedia. “Mungkin terdengar sedikit futuristik, tapi teknologinya sudah ada.”

Menjelajahi pendekatan masa depan

Proyek Revolusi Kesehatan Digital (DHR) adalah studi multisenter yang didirikan beberapa tahun lalu oleh para peneliti, di antara lembaga-lembaga lain, dari Institute for Molecular Medicine Finland (FIMM) di University of Helsinki untuk mengeksplorasi dan merintis pendekatan masa depan untuk perawatan kesehatan.

Penelitian ini berlangsung selama 16 bulan dan melibatkan 96 orang berusia antara 25 dan 59 tahun yang terdaftar di klinik kesehatan kerja di Helsinki, Finlandia. Tidak ada penyakit serius yang diketahui, tetapi beberapa peserta memiliki faktor risiko seperti tekanan darah tinggi, peningkatan glukosa atau obesitas.

Profil molekuler dilakukan bekerja sama dengan peneliti dari Karolinska Institutet dan SciLifeLab. Selain analisis multiomik yang ekstensif, pengumpulan data serial termasuk kuesioner online, pengukuran laboratorium klinis dalam sampel darah, analisis mikrobioma usus, dan data aktivitas dan tidur menggunakan jam tangan pintar.

Mendorong perubahan gaya hidup

Para peneliti mengumpulkan lebih dari 20.000 sampel biologis dan lebih dari 53 juta titik data primer untuk 558.032 fitur berbeda. Selain pemeriksaan medis dan pengukuran kesehatan digital, semua peserta menerima panduan rutin untuk mendukung dan mendorong perubahan gaya hidup terkait diet, olahraga, stres, dan kesejahteraan mental.

Dasbor berbasis web dan jam tangan pintar memberi peserta jenis data kesehatan yang mereka butuhkan untuk memengaruhi kesehatan mereka sendiri, seperti skor risiko genetik, lipid darah, BMI, dan tingkat aktivitas fisik. Penafsiran data kesehatan difasilitasi oleh seorang dokter yang terkait dengan penelitian ini, dan pelatih pribadi memberikan bimbingan berkelanjutan baik secara digital maupun secara langsung. Pada akhirnya, 86 persen melaporkan perubahan gaya hidup positif dalam hal diet, olahraga, tidur dan minum serta kebiasaan merokok. Persepsi peningkatan kesehatan didukung oleh analisis bioinformatika dari variabel molekuler.

Hasilnya menunjukkan korelasi baru dan sebelumnya tidak diketahui antara risiko kesehatan dan faktor molekuler yang terkait dengan kelebihan berat badan, diabetes, fungsi hati, kekebalan dan hormon. Misalnya, para peneliti menemukan bahwa estrogen sintetis (etinil estradiol) memiliki efek yang luas dan unik pada metabolit, protein, dan fisiologi.

“Studi kami meningkatkan pemahaman kita tentang biologi dan kesehatan manusia dari waktu ke waktu dan tampaknya mengkonfirmasi potensi pendekatan individual yang didorong oleh data untuk memotivasi dan memantau efek dari perubahan gaya hidup dan pekerjaan kesehatan proaktif,” kata Dr Marabita.

Transisi dari sehat ke sakit

Metode ini umumnya berlaku untuk memahami transisi dari sehat ke sakit. Studi ini tidak fokus pada penyakit tertentu, kelompok risiko, jenis intervensi atau biomarker.

“Dari perspektif kesehatan, ke depan bisa fokus misalnya pada orang-orang dengan risiko tinggi diabetes atau penyakit kardiovaskular,” jelasnya. “Biaya pembuatan profil molekuler sekarang menjadi tantangan klinis terbesar untuk implementasi skala besar dari penelitian ini. Seperti halnya pengurutan genom manusia, biaya teknologi laboratorium yang canggih dapat turun berkali-kali lipat dari waktu ke waktu. Studi ini berfungsi sebagai bukti konsep dalam persiapan praktik berbasis data untuk diadopsi dalam perawatan kesehatan”.

Sumber: Institut Karolinska




Pos terkait

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Situs ini menggunakan Akismet untuk mengurangi spam. Pelajari bagaimana data komentar Anda diproses.