Artificial Intelligence and Data Mining in Health Research (AI/MDRS) | October 20th, 2022
The Cardiometabolic Health and Obesity Research Network (rrCMDO)
Published online: October 20th, 2022Utilisation d'auto-encodeurs pour la détection de polypharmacies dangereuses chez les aînés québécois.
Corresponding Author: Berteloot Théophile, email thber64@ulaval.ca
Abstract
Objectif: Les aînés sont sujet à de multiples maladies et les cumulent. Pour se soigner ils cumulent aussi les traitements, et prennent de nombreux médicaments simultanément. Il est difficile d’anticiper les dangers d’interactions médicamenteuses de 5 médicaments ou plus. Le but de ce travail vise à s'appuyer sur les récents développements en apprentissage profond pour effectuer du forage de données et ainsi identifier des combinaisons de médicaments potentiellement dangereuses. Méthode: Nous utilisons les données du Système intégré de surveillance des maladies chroniques du Québec, détenus par l’Institut national de santé publique du Québec. Ce jeu de données contient, après ajustements, les hospitalisations, décès et prescriptions de plus de 2 millions d'aînés répartis sur 20 ans. Nous avons considéré 472 classes de médicaments. Pour découvrir les polypharmacies dangereuses nous avons utilisé un auto-encodeur récursif, qui prend en entrée le résultat d'intérêt et lui associe un médicament pertinent, puis utilise cette sortie comme entrée de l’auto-encodeur pour lui associer de nouveau le médicament le plus pertinent, et ainsi de suite, jusqu'à l’obtention des combinaisons de tailles adéquate. Résultats: Nos expériences ont permis d’identifier des combinaisons polypharmaceutiques. Certaines sont déjà connues par la communauté, d’autres mettent en exergue des médicaments potentiellement inappropriés. Par exemple, l’algorithme trouve que la combinaison entre les diurétiques de l’anse, l’acétaminophène, les benzodiazépines, la lévothyroxine et la vitamine D est risquée; les benzodiazépines peuvent être à l'origine de perte d'équilibre et de chute chez les aînés. Conclusion: L’utilisation de l’apprentissage profond pour le minage de combinaisons nouvelles de médicament est pertinente car elle présente de nombreux avantages par rapport aux techniques classiques, en termes de temps de calcul, de paramétrisation et de qualité des résultats. Plusieurs combinaisons mettent en relief la potentielle dangerosité de certaines associations de classes de médicaments.
Biological significance of genome-wide interaction studies in cardiometabolic disorders: Data mining of overlap in association signals across lifestyle factors.
2School of Nutrition, Université Laval, Québec, Canada.
Corresponding Author: Rodrigo San-Cristobal, email rodrigo.san-cristobal-blanco.1@ulaval.ca
Abstract
Objective: To better understand the role and biological significance of gene-lifestyle interactions in cardiometabolic diseases, the objective of the present study was to assess the overlap of genes that interact with different lifestyle factors to influence cardiometabolic traits. Methods: Genetic information from 42 genome-wide association studies (GWAS) reporting significant interactions (GWIS) between cardiometabolic traits and lifestyle factors was extracted from the GWAS Catalog using the gwasrapid package. Mapped genes containing polymorphisms registered in the GWAS Catalog were used to perform an over-representation analysis (ORA) of disease gene networks using clusterProfiler based on DisGeNET database. The most representative enriched terms were clustered to eliminate redundancies. Overlapping genes associated with more than one of these condensed terms were selected. A second ORA was conducted with the KEGG database to reveal the biological pathways associated with the overlapping genes. Results: A total of 4870 mapped genes were extracted from the 42 GWIS on cardiometabolic traits and lifestyle factors. The ORA found a total of 25 significant terms (Benjamini-Hochberg adjusted p-value <0.05 and a minimum of 50 genes/ enriched term). These 25 terms were grouped into 11 condensed terms each containing a minimum of 100 genes. Finally, KEGG-ORA of the 436 overlapping genes showed the presence of 8 enriched pathways: cholesterol metabolism, aldosterone synthesis and secretion, PPAR signaling pathway, longevity regulating pathway, bile secretion, fat digestion and absorption, cortisol synthesis and secretion, and ABC transporters. Conclusion: Analysis of overlapping genes related to the interaction between cardiometabolic traits and lifestyle factors may reveal putative genetic targets associated with the modulatory effect of lifestyle on gene expression and the presence of pleiotropic effects on the development of obesity-related cardiometabolic complications.
Multi-omics analysis involving the non-coding transcriptome and lipids to examine the impact of dairy products consumption on glycemic parameters
2Department of Biomedical Engineering, Tulane University, New Orleans, USA,
3Faculty of Pharmacy, Laval University, Québec, QC, Canada,
4Department of Medicine, Faculty of Medicine, Laval University, Québec, QC, Canada,
5Department of Nutrition, Harvard T.H Chan School of Public Health, Boston, MA, US,
6Department of Epidemiology, School of Public Health and Tropical Medicine, Tulane University, New Orleans, USA,
7Department of Kinesiology, Faculty of Medicine, Laval University, Québec, QC, Canada.
Corresponding Author: Leila Khorraminezhad, email leila.khorraminezhad.1@ulaval.ca
Abstract
Objective: To perform multi-omics analysis integrating, including non-coding transcriptome and lipidomic variables, on glycemic parameters after consumption of high dairy (HD) and adequate dairy (AD) in subjects at risk of type 2 diabetes (T2D). Methods: Data was collected from a crossover clinical trial of 21 hyperinsulinemic adults who were randomized to both AD (≤2 servings/day, as per Canada’s Food Guide for Healthy Eating (2007)) and HD (≥4 servings/day) interventions, for 6-weeks. Glycemic parameters including fasting insulin, fasting glucose, and calculated homeostatic model of assessment for insulin resistance (HOMA-IR), as well as omics profiles, including microRNA (six miRNAs) and lipid metabolites (seven F2-isoprostanes (F2-IsoP) and 12 bile acids (BA)), were measured before and after each intervention. Correlations between omics parameters were examined. A Gaussian kernel machine learning (ML) strategy was developed to assess the relation of multi-omics with changes in glycemic parameters after AD, after HD and the difference between two interventions. Results: The analyses revealed that BAs, especially total lithocholic acid (LCA), were strongly correlated to HOMA-IR compared to miRNAs and IsoPs after the intake of AD or HD, and the difference between two interventions. ML analysis identified two, four, and 18 models which were significant after the consumption of AD, HD, and the difference between two interventions, respectively. Four miRNAs (miR-122-5p, miR-223-3p, miR-652-3p, and miR-93-5p), two IsoPs isomers (PGF2 and 8-F2t-IsoP), and two BAs (deoxycholic acid and lithocholic acids) were associated with a reduction of HOMA-IR after HD and the difference between two interventions. Conclusion: Multi-omics analyses identified omics biomarkers associated to the risk of T2D after high dairy intake involving oxidative stress and biliary lipids. Registration number: NCT02961179. (Financial support: Canadian Institutes for Health Research; Cardiometabolic Health, Diabetes, and Obesity Research Network; Fonds de recherche du Québec- Santé).
Dévelopement de modèles prédictifs de Diabète sur 5 ans en utilisant l'inteligence artificielle
2Centre Intelligence Artificielle, Sorbonne University, Abu Dhabi, UAE.
Corresponding Author: Bahig Sami, email samibahig@gmail.com
Abstract
Le Diabète représente un très important coût pour les sociétés humaines modernes, en terme de coûts de santé(hospitalisation, prescription de médicaments et traitements des complications, visites médicales, mais aussi des coûts indirects, tel que des pertes de productivité, une augmentation de l’absentéisme, et inaptitude au travail. Ainsi, si nous sommes capables de prédire le Diabète, cela nous permettra de réduire la progression de maladies microvasculaires, incluant la rétinopathie, la néphropathie, et la neuropathie. Au courant de nos travaux et expériences, nous allons utilisé différentes techniques d’apprentissage supervisé et non supervisé. Collecte des données: Nous avons aussi utilisé le logiciel Anura intégré dans notre application pour générer notre propre Dataset: Pour récolter le Dataset, nous avons utilisé l’imagerie optique transdermique, où nous avons utilisé les données faciales sanguines à extraire en utilisant une caméra vidéo conventionnelle et en collectant des données du logiciel Anura. Nous avons analysé différents datasets pour notre projet: le premier dataset utilisé est le Diabète Health Indicator du CDC(4), avec 253680 observations et 22 variables descriptives (incluant le diagnostic de Diabète que nous choisissons comme valeur à prédire), puis nous avons analysé un deuxième Dataset recueilli d'internet du CDC (Center for Disease Control), essentiellement sur des femmes enceintes. Nous avons 9 variables de types quantitatives, qui sont le nombre de grossesses, la concentration de Glucose, la tension artérielle, l'épaisseur du pli du triceps, le taux d'insuline(2h post-sérique), le BMI, les antécédents familiaux de diabète (Pedigree), l'âge, et la classe prédictive du Diabète, puis le dataset Cardio-Framingham et finalement nous avons recueilli des données avec le dispositif Android et l’application Health Mov. Le meilleur modèle pour prédire le Diabète est un modèle de régression logistique. Notre modèle prend en entrée une série d’indicateurs jouant un rôle dans l’apparition du Diabète et exprimant ce modèle.
Déchiffrer l’interaction entre le microbiote intestinal et les facteurs de risque de diabète de type 2 (DT2).
2Canada Excellence Research Chair on the Microbiome – Endocannabinoidome Axis in Metabolic Health (CERC-MEND).
3Faculty of Agriculture and Food Sciences, Université Laval, Québec, Canada.
4Faculty of Medicine, Institut Universitaire de Cardiologie et Pneumologie de Quebec, Université Laval, Québec, Canada.
Corresponding Author: Loubna Amzil, email loubna.amzil.1@ulaval.ca
Abstract
Objectif: Le microbiote intestinal joue un rôle de plus en plus clair dans l’apparition de certaines maladies métaboliques comme le DT2. Cependant, les bactéries et les gènes microbiens impliqués dans ces maladies restent encore à déterminer. L’objectif de ce projet est d’identifier les gènes bactériens impliqués dans la résistance à l’insuline et à l’intolérance au glucose. Méthode: Ce projet combine plusieurs études existantes, incluant des personnes saines, prédiabétiques et diabétiques, pour lesquelles le séquençage métagénomique complet est disponible ou en cours de réalisation (n > 400). Une méthode permettant de considérer le contenu en gènes des bactéries pour classifier le phénotype sain du malade à l’aide de l’apprentissage automatique a été validée sur des données publiques. Brièvement, les protéines encodées dans les séquences métagénomiques sont identifiées. Elles sont ensuite regroupées selon leur similarité afin de permettre la comparaison des échantillons de l’étude. Ces données sont alors utilisées pour la classification des échantillons par des approches d’apprentissage automatique, notamment en utilisant des algorithmes générant des modèles interprétables. Cette approche sera utilisée pour classifier les échantillons de notre regroupement d’études cliniques en fonction de paramètres métaboliques et de critères cliniques. Résultats: Cette approche a permis de classifier des échantillons provenant de sujets obèses et non-obèses avec une précision supérieure à l’utilisation de la classification taxonomique seulement. Cette approche a aussi permis d’identifier des gènes bactériens potentiellement associés à l’obésité. L’utilisation de cette technique sur les cohortes citées ci-haut permettra d’identifier des bactéries et, de manière plus précise, des gènes bactériens potentiellement impliqués dans les maladies métaboliques. Nous évaluerons ensuite si l’implication de ces gènes bactériens dans ces maladies est influencée par le sexe. Ces candidats microbiens seront ensuite validés par différentes approches expérimentales in vitro et in vivo.
Untargeted metabolomic profile of COVID-19 symptom severity in the Quebec COVID-19 Biobank
2School of Nutrition, Faculty of Agriculture and Food Sciences, Laval University, Quebec, Canada
3Department of Medicine, Faculty of Medicine, Laval University, Quebec, Canada
Corresponding Author: Ina Maltais-Payette, email ina.maltais-payette.1@ulaval.ca
Abstract
Background: The symptoms associated with a COVID-19 infection are very heterogeneous. Improving our understanding of the pathophysiology of this disease and its severe symptoms could help prevention and treatment efforts. Metabolomics is the study of all the small molecules in a system. In the blood, these metabolites are substrates and products of enzymatic reactions, making metabolomics a powerful tool to study metabolism. The aim of the present study was to identify the metabolic pathways associated with severe COVID-19 symptoms. Methods: From the Quebec COVID-19 Biobank (BQC19), we selected participants with a positive COVID-19 qPCR test and for whom at least 1 plasma metabolomic measurement was available within 1 week of study inclusion. Disease severity was assessed at study inclusion using the World Health Organization criteria, as either mild, moderate or severe. We used partial least square – discriminant analysis (PLS-DA) to select the features that best discriminated between severity groups. Metabolites with a variable importance in the projection (VIP) scores greater than 1 were considered for pathways analysis. Results: Overall, 736 patients were studied, including 159 (22%), 353 (48%) and 224 (30%) with mild, moderate and severe symptoms, respectively. Principal components 1, 2 and 3 accounted for 8.5%, 11.5% and 4.9% of the variability respectively. Overall, 136 metabolites had a VIP greater than 1. The identified metabolite with the highest score was hydantoin-5-propionate, annotated to the histidine metabolism pathway. Top 5 most represented pathways were xenobiotics, benzoate metabolism, branched-chain amino acid metabolism, phosphatidylethanolamine, and tryptophan metabolism. Conclusion: This untargeted analysis reveals that the metabolism of various amino acids seems to be altered in the context of severe COVID-19 symptoms. The relevance of circulating amino acids as biomarkers of disease progression warrants further investigation. This work was supported by the BQC19 and IUCPQ Foundation.
DigCNV: Random forest model to discriminate false microarray-CNVs with a 98% accuracy
2Centre de recherche et Centre Hospitalier Universitaire Sainte-Justine, Montréal, QC, Canada
3Département des Sciences de l'ingénieur, Université de Thiès, Thiès, Sénégal
4Département des Sciences de la Décision, HEC Montréal, Montréal, QC, Canada.
5Département de Pédiatrie, Université de Montréal, Montréal, QC, Canada
Corresponding Author: Thomas Renne, email thomas.renne@umontreal.ca
Abstract
Background: Genomic Copy Number Variants (CNVs) are associated with a range of human psychiatric and medical diseases. To understand these associations, CNVs are being investigated in increasingly large cohorts of hundreds of thousands of individuals, which include genotyping array data. Using multiple calling methods and after applying well accepted quality control (QC) criteria, datasets still include a significant proportion of false CNVs (~ 10%). Currently, these artifacts have important consequences and delay all downstream analysis. Knowledge gap: There is currently no automated, efficient and scalable quality control algorithm that applies to multiple CNV callers. Our aim is to develop a machine learning model to discriminate true from false CNVs identified by multiple algorithms on genotyping arrays without the necessity of having access to data on probe intensity. Methods: We called CNVs using 2 algorithms (PennCNV and QuantiSNP) in 396,000 individuals from 8 cohorts genotyped using Affymetrix and Illumina genotyping array technologies. We manually visualized and classified as true or false approximately 35,000 CNVs (by 3 different experts). The machine learning model was trained on 70% and tested on 30% of the manually curated CNV using multiple features related to the quality of the array, as well as the characteristics of the CNVs. Results: Manual curation classified 3,500 of the 35,000 CNVs as false. After training and parameter tuning, the machine learning model could predict CNV class (true vs false) with 98% accuracy. The model classified 99% of true CNVs as true and 80% of false CNVs as false. A pre-trained model can be used directly with new data instantly with no additional training. It was designed to be used with any type of array technology thanks to the feature "Number of probes by technology". Conclusion: This novel tool, DigCNV, accelerates significantly the processing of large datasets and improves signal-to-noise, especially while analyzing rare non-recurrent CNVs.
Détection de polypharmacies inappropriées à l’aide d’algorithmes de bandits neuronaux
2Faculté de pharmacie, Université Laval, QC, Canada
Corresponding Author: Larouche Alexandre, email alexandre.larouche.7@ulaval.ca
Abstract
Objectif: Les aînés du Québec consomment une grande quantité de médicaments de manière simultanée. Certaines combinaisons pourraient être associées à un risque accru d'hospitalisation ou de mortalité non reconnu. Cependant, il est laborieux de vérifier chaque combinaison et son association à une issue de santé, vu la nature combinatoire du problème et la taille des bases de données de réclamations de médicaments. Notre objectif est donc d’optimiser la recherche de combinaisons potentiellement inappropriées afin d’aider les chercheurs en pharmaco-épidémiologie à mieux cibler des combinaisons à étudier plus en profondeur. Méthodes: Nous utilisons une approche basée sur l’apprentissage par renforcement, plus spécifiquement sur les bandits neuronaux, pour sélectionner les combinaisons pertinentes à investiguer. Un réseau de neurones artificiel est utilisé pour prédire une mesure de l’association (p. ex. le risque relatif) entre une combinaison et une issue de santé. Afin d’évaluer le potentiel de notre stratégie, nous avons développé un simulateur contenant 500 médicaments potentiels et 100 000 combinaisons uniques, dont seulement 1496 sont des combinaisons véritablement associées à un risque accru d'événements. Nous rapportons nos résultats pour 25 essais indépendants. Résultats: Notre méthode est capable d’identifier en moyenne 484 ± 46 combinaisons potentiellement inappropriées et seulement 4 ± 3 faux positifs. Les combinaisons sont identifiées en 24 heures avec des ressources de calcul modérées. Conclusion: Ces résultats prometteurs motivent une investigation plus poussée sur de vraies bases de données de services pharmaceutiques comme celle du Système intégré de surveillance des maladies chroniques du Québec afin de générer des résultats réels, ce que nous sommes en train de faire. À terme, une telle approche pourrait aider les chercheurs en pharmaco-épidémiologie à concentrer leurs efforts de recherches sur de nouvelles combinaisons de médicaments pour lesquelles les risques sur la santé n’ont pas été identifiés.
Réponse du profil de métabolites à des interventions alimentaires de courte durée.
2Centre de Recherche de l’Institut de Cardiologie et de Pneumologie de Québec, Faculté de Médecine, Département de Médecine, Université Laval, Québec, Canada
3Canada Excellence Research Chair in the Microbiome-Endocannabinoidome Axis in Metabolic Health
4Unité Mixte Internationale en Recherche Chimique et Biomoléculaire sur le Microbiome et son Impact Sur la Santé Métabolique et la Nutrition (UMI-MicroMeNu), Université Laval and Consiglio Nazionale delle Ricerche, Istituto di Chimica Biomolecolare, Via Campi Flegrei 34, 80078, Pozzuoli (NA), Italy
Corresponding Author: Isabelle Bourdeau-Julien, email isabelle.bourdeau-julien.1@ulaval.ca
Abstract
La contribution de l’alimentation à la santé métabolique est reconnue, mais un nouvel acteur aurait également un effet important : le microbiote intestinal. Puisque sa composition dépend de l'alimentation et du métabolisme de l’hôte, la santé métabolique ne serait pas déterminée par des facteurs précis, mais par un réseau complexe d’interactions entre l’alimentation, le microbiote et le métabolisme. Ce projet vise une meilleure compréhension de ce trialogue. Dans une étude longitudinale, 21 participants ont reçu une diète méditerranéenne (MedDiet) pendant 3 jours, une diète témoin de 13 jours reflétant l’apport alimentaire moyen des Canadiens (CanDiet) et à nouveau la MedDiet de 3 jours. Des échantillons fécaux et sanguins ont été prélevés lors de chaque changement de diète du protocole pour les analyses. Sur les 534 métabolites circulants détectés, 158 métabolites ont une réponse immédiate et réversible aux diètes alors que 51 métabolites sont modulés par la CanDiet, mais d’une façon non-réversible par 3 jours de MedDiet. Certains métabolites ne sont pas associés à la diète, mais varient plutôt en fonction du participant, suggérant une différence interindividuelle importante. En effet, le profil de métabolites de chaque intervention se regroupe par participant, indépendamment de la composition du microbiote intestinal. Nous observons que 60 des 64 genres bactériens ayant une abondance relative >1% du microbiote intestinal sont fortement corrélés avec, en moyenne, 8 métabolites chacun. En utilisant un algorithme de forêt aléatoire, il est possible de différencier les interventions par des métabolites qui sont modulés par la diète. D’ailleurs, ce même algorithme appliqué sur la visite précédant l’étude distingue les participants selon leurs habitudes alimentaires, principalement par leur consommation de fruits et légumes. Cette étude souligne l'importance de considérer l'alimentation dans les études s'intéressant à la relation entre le microbiote intestinal et le métabolisme. De plus, l’analyse du profil métabolique doit considérer l’unicité des métabolites.
Postural Analysis to detect Vertebral Deformities (Scoliosis, Kyphosis, Lordosis): Image-based Machine Learning Analysis and Predictive Model
Corresponding Author: Subhadeep Basu, email subhadeep.basu@mail.mcgill.ca
Abstract
Objective:Vertebral deformities affect 5.2% of the global population and are detrimental for the neuro-skeletal system and sustenance of voluntary and involuntary functions. The objective was to develop a model to automate the process of diagnosis of Scoliosis, Kyphosis or Lordosis from lateral and medial images of a patient's back and predicting recovery progression by monitoring Cobb angle and object detection to optimize treatment. Method:A labelled dataset of 39,122 images consisting of clinical images from the Asia Pacific Spine Society (APSS) archives and internet images was created. In addition, the measurements of the following parameters were obtained: Cobb angles, rotation, torsion and angle of plane of maximum curvature. We developed a machine learning model using single-label classification and a confidence threshold(CT) greater than 0.5, which was trained, validated and tested using the aforementioned dataset in an 8:1:1 ratio respectively. The parameters were used to further refine the predictions and map the process of recovery. The model implements Google Vision Application Programming Interface(API) and uses object detection to localize the affected region of the vertebral column: lumbar, thoracic or cervical. Result:The model had an average prediction precision(APP) of 0.927 across all confidence thresholds in the precision-recall trade-off curve. The APP for each label are: Scoliosis:0.998, Normal Posture:0.916, Kyphosis:0.897, Lordosis:0.84. In our model, we utilized a CT of greater than 0.5, where Precision=0.866 and Recall=0.841 (F1-score=0.853). The predictor parameters optimize the result to determine a CT of 0.41 (where, Precision=Recall=F1-score=0.87). Conclusion:The study successfully developed a model to automate the process of diagnosis and tracking recovery progression of vertebral deformities with the highest accuracy for Scoliosis detection in projects with independently created datasets. It is cost-effective and better than traditional methods with unnecessary referrals, exposure to radiography and low positive predictive value.
Equity in the distribution of health services for youth with T1D in Québec - Canada.
2Campus Cabedelo - Federal Institute of Education, Science and Technology of Paraiba, Cabedelo, PB, Brazil
Corresponding Author: Carlo Reillen Lima Martins, email carlo-reillen.lima-martins.1@ulaval.ca
Abstract
Objective: For youth with type 1 diabetes (T1D), monitoring by a multidisciplinary team becomes even more important considering all the changes faced at this stage of life. Our objective is to investigate whether there are inequities in access to health services (HS) for youth with T1D in the province of Québec - Canada. Methods: We evaluated the information obtained from a questionnaire that, among other things, sought the impression of parents or caregivers of youth (mean age = 11.46 years; SD = 3.86; n = 285) with T1D regarding the HS in Québec. Respondents reported on mean time to diagnosis of their patients’ T1D of 4.76 years (SD: 3.85). First, we grouped the information by family income level and region (Region 1: Chaudière-Appalaches, Québec; Region 2: Montréal, Montérégie, Laval; Region 3: others). Then, we performed an exploratory data analysis and applied logistic regression to identify which socioeconomic variables (SV) could best explain access to different health professionals and where they were in shortage or excess. Results: Although most respondents reported that health care professionals were accessible when they needed to consult, there were individuals who reported not having access to care, as well as individuals who reported having access to the specialist but did not perceive a need for a consultation. This was observed in different groups (pairs of regions and income level). We observed a trend of individuals reporting an oversupply of family doctors, nutritionists, pediatricians, and other specialists in different groups, as well as a shortage in the supply of nurses and endocrinologists. The SV that best explained respondents' feelings about the availability of different health professionals were related to: respondent's time availability, educational level, number of children, salary level, and region in which they live. Conclusion: With a focus on adjusting service delivery based on client expectations, a better adjustment in the distribution of different health professionals could be beneficial to optimize patient needs coverage.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.