هل يمكن التنبؤ بالسمنة في سن الرشد من وزن الطفل في سن الخامسة؟

تمثل سمنة الأطفال والبالغين تحديا كبيرا للصحة العامة في جميع أنحاء العالم. أظهرت دراسة حديثة أنه من الممكن التنبؤ بتطور مؤشر كتلة الجسم للأفراد من الطفولة إلى سن الرشد بدقة عالية. لتحقيق ذلك، استخدم العلماء نهجا مبتكرا يجمع بين الذكاء الاصطناعي والبيانات الوراثية والعائلية والبيئية.

اعتمدت الدراسة على بيانات ما يقرب من ثلاثة آلاف مشارك تم متابعتهم من سن الثامنة حتى سن السابعة والعشرين. اكتشف الباحثون أن الوزن في سن الخامسة، المقاس بمؤشر كتلة الجسم، هو العامل الأكثر تحديدا للتنبؤ بمخاطر السمنة لاحقًا في الحياة. هذا النتيجة واضحة بشكل خاص خلال الطفولة، على الرغم من أن تأثيرها ينخفض قليلا في مرحلة المراهقة وفي سن الرشد. من ناحية أخرى، يصبح تأثير الاستعدادات الوراثية، الذي تم تقييمه من خلال درجات محسوبة من الحمض النووي، أكثر أهمية بعد سن السابعة عشرة.

تلعب عناصر أخرى أيضًا دورًا مهمًا. وزن وطول الوالدين، ومستوى تعليمهما، وكذلك مقاييس دهون الجسم التي تم أخذها خلال الطفولة المبكرة تؤثر أيضًا على تطور الوزن. على سبيل المثال، زيادة وزن الأم قبل أو أثناء الحمل تزيد من مخاطر إصابة الطفل. وبالمثل، يمكن أن يحد البيئة العائلية غير المواتية من الوصول إلى غذاء صحي ونشاط بدني منتظم، مما يشجع على زيادة الوزن.

استخدم العلماء نموذج ذكاء اصطناعي قادر على تحليل مئات المتغيرات واستخراج الأكثر صلة. مكن هذا النموذج من الكشف عن روابط معقدة بين هذه العوامل المختلفة. يكشف بشكل خاص أن الجينات المرتبطة بالسمنة عند البالغين تكتسب أهمية مع التقدم في السن، بينما تظل ظروف الحياة خلال الطفولة المبكرة حاسمة للسنوات الأولى.

تشدد هذه الاكتشافات على أهمية التدخل مبكرا لمنع السمنة. يمكن أن يسمح المراقبة الدقيقة للوزن بدءا من سن الخامسة بتحديد الأطفال الأكثر عرضة للخطر واتخاذ التدابير المناسبة. يمكن أن تستهدف التدخلات العادات الغذائية والنشاط البدني ودعم العائلات، مع أخذ التاريخ العائلي وظروف المعيشة في الاعتبار.

يوفر استخدام الذكاء الاصطناعي في هذه الدراسة طريقة جديدة لفهم كيفية بناء خطر السمنة مع مرور الوقت. يفتح الباب أمام استراتيجيات وقائية أكثر تخصيصا وفاعلية، بناءً على بيانات متاحة منذ الطفولة المبكرة.

Sources et crédits

Étude source

DOI : https://doi.org/10.1038/s41366-026-02050-1

Titre : Longitudinal prediction of BMI using explainable AI: integrating polygenic scores, maternal, early-life and familial factors

Revue : International Journal of Obesity

Éditeur : Springer Science and Business Media LLC

Auteurs : Fuling Chen; Phillip E. Melton; Kevin Vinsen; Trevor Mori; Lawrence Beilin; Rae-Chi Huang