Il caffè fa bene? Forse l’apprendimento automatico può aiutare a capirlo.

Visualizzazioni: 8
0 0
Tempo per leggere:7 Minuto, 12 Secondo

Dovresti bere un caffè? se cosi, quanto? Queste sembrano domande a cui una società in grado di creare vaccini per un nuovo virus respiratorio entro un anno non dovrebbe avere problemi a rispondere. Eppure la letteratura scientifica sul caffè mostra una frustrazione che i lettori, per non parlare di molti ricercatori, hanno con gli studi sulla nutrizione: le conclusioni cambiano sempre e spesso si contraddicono a vicenda.

Questo tipo di disaccordo potrebbe non avere molta importanza se parliamo di cibi o bevande che non sono ampiamente consumati. Ma nel 1991, quando l’Organizzazione Mondiale della Sanità classificò il caffè come un possibile cancerogeno, le implicazioni furono enormi: più della metà della popolazione americana beve caffè ogni giorno. Un possibile legame tra la bevanda e il cancro della vescica e del pancreas era stato scoperto da studi osservazionali. Ma risulterebbe che tali studi – in cui i ricercatori chiedono a un gran numero di persone di riportare informazioni su cose come l’assunzione alimentare e le abitudini quotidiane e quindi cercare associazioni con particolari risultati sulla salute – non avevano riconosciuto che coloro che fumano sono più propensi bere il caffè. Era il fumo che aumentava il rischio di cancro; una volta compresa tale associazione (insieme ad altre), il caffè è stato rimosso dall’elenco degli agenti cancerogeni nel 2016. L’anno successivo, una revisione delle prove disponibili, pubblicata sul British Medical Journal, ha rilevato un legame tra il caffè e un minor rischio di alcuni tumori, così come per malattie cardiovascolari e morte per qualsiasi causa.

Ora una nuova analisi dei dati esistenti, pubblicata sulla rivista Circulation: Heart Failure dell’American Heart Association, lo suggerisce due o tre (o più) tazze di caffè al giorno possono ridurre il rischio di insufficienza cardiaca. Naturalmente, si applicano i soliti avvertimenti: questa è associazione, non causalità. Potrebbe essere che le persone con malattie cardiache tendano ad evitare il caffè, forse pensando che farà male per loro. Quindi … buono per te o non buono per te, qual è? E se non possiamo mai dirlo, qual è il punto di questi studi?

I critici hanno sostenuto, infatti, che non ce n’è uno – che la ricerca sulla nutrizione dovrebbe spostare la sua attenzione dagli studi osservazionali agli studi di controllo randomizzati. Dando a caso il caffè a un gruppo e negandolo a un altro, tali prove possono tentare di separare causa ed effetto. Tuttavia, quando si tratta di capire in che modo qualsiasi aspetto della nostra dieta influisce sulla nostra salute, entrambi gli approcci hanno limitazioni significative. Le nostre diete lavorano su di noi per tutta la vita; non è possibile tenere le persone in un laboratorio, monitorando l’assunzione di caffè, fino a quando non sviluppano insufficienza cardiaca. Ma è notoriamente difficile convincere le persone a riferire accuratamente ciò che mangiano e bevono a casa. Idealmente, per arrivare al fondo della questione del caffè, dovresti conoscere il tipo di chicco di caffè utilizzato e come è stato tostato, macinato e preparato – tutto ciò influisce sulla sua biochimica – più l’esatta quantità ingerita, la sua temperatura e la quantità e tipo di dolcificante o latticini aggiunti. Quindi considereresti tutte le altre variabili che influenzano il metabolismo e la salute generale di un bevitore di caffè: genoma, microbioma, stile di vita (abitudini del sonno, ad esempio) e stato socioeconomico (c’è stress familiare? Scarsa qualità dell’aria locale?).

Prove di controllo randomizzate potrebbero ancora fornire informazioni utili su come il caffè influenza i processi biologici per periodi più brevi. Questo potrebbe aiutare a spiegare, e quindi a convalidare, alcune associazioni a lungo termine. Ma prima di fare una prova su un dato nutriente, gli scienziati devono avere qualche motivo per pensare che potrebbe avere un impatto significativo su molte persone; hanno anche bisogno di avere già prove plausibili che testare il composto su soggetti umani non causerà loro danni permanenti.

Lo studio sulla circolazione ha utilizzato dati osservazionali, ma il suo scopo iniziale non era valutare la relazione tra caffè e scompenso cardiaco. Questo è il modo in cui l’autore principale David Kao, cardiologo presso la University of Colorado School of Medicine, mi ha descritto: “La domanda generale era: quali sono i fattori nella vita quotidiana che influiscono sulla salute del cuore che non sappiamo potenzialmente essere modificato per ridurre il rischio. ” Poiché un americano su cinque svilupperà insufficienza cardiaca, anche piccoli cambiamenti nei loro comportamenti potrebbero avere un grande impatto cumulativo.

Tradizionalmente, i ricercatori partono da un’ipotesi: il caffè riduce il rischio di malattie cardiache, ad esempio. Quindi confrontano l’assunzione di caffè dei soggetti con la loro storia cardiovascolare. Uno svantaggio di questo processo è che ci sono tutti i modi in cui le nozioni preconcette dei ricercatori possono portarli a trovare false relazioni influenzando le variabili che includono ed escludono nell’analisi o spingendo ricercatori senza scrupoli a manipolare i dati per adattarli alla loro teoria. “Puoi trascinare qualsiasi scoperta che desideri nella scienza usando i tuoi pregiudizi, e ne ottieni una pubblicazione”, afferma Steven Heymsfield, professore di metabolismo e composizione corporea presso il Pennington Biomedical Research Center della Louisiana State University. Per illustrare questo punto, una recensione del 2013 ampiamente citata sull’American Journal of Clinical Nutrition ha cercato 50 ingredienti comuni per libri di cucina nella letteratura scientifica; 36 era stato collegato individualmente a un file aumento o diminuzione del rischio di cancro, inclusi sedano e piselli.

Kao, tuttavia, non è partito da un’ipotesi. Invece, ha utilizzato una tecnica di analisi dei dati potente e sempre più popolare nota come apprendimento automatico per cercare collegamenti tra migliaia di caratteristiche dei pazienti raccolte nel noto Framingham Heart Study e le probabilità di insufficienza cardiaca in via di sviluppo di quei pazienti. L’algoritmo “inizierà ad allineare le variabili che hanno contribuito maggiormente alla varianza dei dati” o alla gamma di esiti cardiaci, afferma Diana Thomas, professoressa di matematica a West Point. “E questo è l’obiettivo.”

La capacità dell’apprendimento automatico di elaborare grandi quantità di dati potrebbe trasformare la capacità dei ricercatori di nutrizione di studiare il comportamento dei loro soggetti in modo più preciso e in tempo reale, afferma Amanda Vest, direttrice medica del programma di trapianto cardiaco presso il Tufts Medical Center, che ha scritto un editoriale che è stato pubblicato con lo studio sulla circolazione. Ad esempio, potrebbe essere addestrato a scansionare fotografie dei pasti dei soggetti e interpretare il loro livello di macronutrienti. Potrebbe anche analizzare i dati da dispositivi di geolocalizzazione, sensori di attività e social media.

Ma l’apprendimento automatico è valido solo quanto i dati analizzati. Senza controlli accurati, afferma Michael Kosorok, professore di biostatistica presso l’Università della Carolina del Nord a Chapel Hill, “ci dà la possibilità di fare sempre più errori”. Se, ad esempio, viene applicato a set di dati che non sono abbastanza diversi o casuali, i modelli che vede non reggeranno quando l’algoritmo li utilizza per fare previsioni del mondo reale. Questo è stato un problema serio con il software di riconoscimento facciale: addestrati principalmente su soggetti maschi bianchi, gli algoritmi sono stati molto meno accurati nell’identificazione di donne e persone di colore. Gli algoritmi devono anche essere programmati per gestire l’incertezza nei dati, come quando la “tazza di caffè” riportata da una persona è di sei once e quella di un’altra otto once.

Un’analisi come quella di Kao, che inizia senza nozioni preconcette su ciò che potrebbero dire i dati, può rivelare connessioni a cui nessuno ha pensato. Ma questi risultati devono essere rigorosamente testati per vedere se possono essere replicati in altri contesti. Dopo che nei dati di Framingham è apparso il collegamento tra l’assunzione di caffè e un rischio ridotto di insufficienza cardiaca, Kao ha confermato il risultato utilizzando l’algoritmo per prevedere correttamente la relazione tra l’assunzione di caffè e l’insufficienza cardiaca in altri due set di dati rispettati. Kosorok descrive l’approccio come “ponderato” e dice che “sembra una prova abbastanza buona”.

Tuttavia, non è definitivo. Piuttosto, fa parte di un crescente corpo di prove che, al momento, può dire poco su quanto caffè le persone dovrebbero bere. “Potrebbe essere un bene per te”, afferma Dariush Mozaffarian, decano della Friedman School of Nutrition Science and Policy presso la Tufts University. “Penso che possiamo dire con buona certezza che non è male per te.” (Gli additivi sono un’altra storia.) Diventare più specifici richiederà ulteriori ricerche. L’anno scorso, Mozaffarian e altri hanno chiesto al National Institutes of Health di istituire un istituto per la scienza della nutrizione che potesse coordinare questi sforzi e, soprattutto, aiutare le persone a interpretare i risultati. “Abbiamo bisogno di uno sforzo ben finanziato, ben organizzato e coordinato per capire la nutrizione”, dice. “Nessuno studio arriva alla verità.”


Kim Tingley è uno scrittore che contribuisce alla rivista.

#caffè #bene #Forse #lapprendimento #automatico #può #aiutare #capirlo

Informazioni sull\'autore del post

admin

Leave a Reply

Your email address will not be published. Required fields are marked *