Autor: TOURAB, Hania
Título: Towards Precision Nutrition: A Conceptual Framework for Implementing Clinical Decision Support Systems Leveraging Artificial Intelligence and Gut Microbiome Data
Fecha: 2025
Materia: ---
Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
Departamento: TECNOLOGIA FOTONICA Y BIOINGENIERIA
Acceso electrónico: https://oa.upm.es/92291/
Director/a(s):
- Director/a: FICO, Giuseppe
Resumen: Personalized nutrition, or precision nutrition, has emerged as a promising approach for improving overall health. It aims at tailoring dietary recommendations based on individuals characteristics, such as lifestyle, biochemical, and omics data. The gut microbiome plays a key role in the field of precision nutrition, as diet affects the microbiome and the microbiome affects the way individuals respond to dietary compounds, modulating the gut microbiome with dietary approaches appears to be important. Artificial intelligence and machine learning appear to be the driven of these fields. Although their powerful characteristics, these techniques are used most of the time without interpretation, hindering their applicability in clinical settings. In personalized nutrition practices, practitioners often rely on fragmented evidence and lack clinically integrated framework that would gather the power from machine learning, explainable artificial intelligence, and gut microbiome, and can support them in their clinical decision making. This doctoral thesis addresses this gap by developing a conceptual framework for implementing clinical decision support system leveraging artificial intelligence and gut microbiome data. The thesis follows a multi-stage approach. First, a scoping review was conducted to systematically map the evidence on the use of artificial intelligence/machine learning and explainable artificial intelligence in gut microbiome research, with a focus on the clinical applications of gut microbiome biomarkers. The review highlighted the rapid growth of artificial intelligence in the field, but a lack of using explainability, and a lack of clinical transferability. Insights from experts consensus emphasized that gut microbiome biomarkers are the future of precision medicine, with an increase trust among experts for using the gut as a biomarker for risk and diagnosis purposes, and the use of therapeutics interventions to improve overall health. However, some challenges were identified. Building on these insights, a guideline and recommendations mapping was done to extract knowledges and translate them into functional and non-functional requirements that would feed the components. This has led to phase 3, where the components of the framework were defined based on the identified requirements. The final phase of the thesis had as an objective to evaluate the framework. The evaluation was not meant to be a full technical and clinical evaluation, but as proof of concept to show how such frameworks would work in a real word context, using real word data. The research contributes to the field of precision nutrition and biomedical health by offering a conceptual framework and foundation for integrating microbiome science into clinical decision-making. By systematically mapping evidence, experts perspectives, and designing a conceptual framework that integrates a hybrid reasoning decision support system, the thesis paves the way for translation of microbiome-informed personalized nutrition into healthcare practice. Ultimately, this thesis underscores the importance of multidisciplinary collaboration between clinical practitioners, data scientist, and bioinformatician. RESUMEN La nutrición personalizada, o nutrición de precisión, se ha convertido en un enfoque prometedor para mejorar la salud en general. Su objetivo es adaptar las recomendaciones dietéticas en función de las características individuales, como el estilo de vida, los datos bioquímicos y los datos ómicos. La microbiota intestinal desempeña un papel clave en el campo de la nutrición de precisión, ya que la dieta afecta al microbiota y esta, a su vez, afecta a la forma en que las personas responden a los compuestos alimentarios, por lo que parece importante modular la microbiota intestinal con enfoques dietéticos. La inteligencia artificial y el aprendizaje automático parecen ser los motores de estos campos. A pesar de sus potentes características, estas técnicas se utilizan la mayoría de las veces sin interpretación, lo que dificulta su aplicabilidad en entornos clínicos. En la práctica de la nutrición de precisión, los profesionales suelen basarse en pruebas fragmentadas y carecen de un marco clínico integrado que reúna el poder del aprendizaje automático, la inteligencia artificial accesible y el microbioma intestinal, y que les ayude en la toma de decisiones clínicas. Esta tesis doctoral aborda esta laguna mediante el desarrollo de un marco conceptual para implementar un sistema de apoyo a la toma de decisiones clínicas que aproveche la inteligencia artificial y los datos del microbioma intestinal. La tesis sigue un enfoque en varias etapas. En primer lugar, se llevó a cabo una revisión exploratoria para recopilar de forma sistemática las pruebas sobre el uso de la inteligencia artificial, el aprendizaje automático y la inteligencia artificial explicable en la investigación del microbioma intestinal, centrándose en las aplicaciones clínicas de los biomarcadores del microbioma intestinal. La revisión puso de relieve el rápido crecimiento de la inteligencia artificial en este campo, pero también su falta de trasparencia, comprensibilidad y confiabilidad hacia conseguir transferibilidad clínica. Las conclusiones del consenso de los expertos hicieron hincapié en que los biomarcadores del microbioma intestinal son el futuro de la medicina de precisión, con un aumento de la confianza entre los expertos en el uso del intestino como biomarcador para fines de riesgo y diagnóstico, y el uso de intervenciones terapéuticas para mejorar la salud en general. Sin embargo, se identificaron algunos retos. A partir de estas conclusiones, se elaboró un mapa de directrices y recomendaciones para extraer conocimientos y traducirlos en requisitos funcionales y no funcionales que alimentaran los componentes. Esto ha llevado a la fase tres, en la que se definieron los componentes del marco basándose en los requisitos identificados. La fase final de la tesis tenía como objetivo evaluar el marco. La evaluación no pretendía ser una evaluación técnica y clínica completa, sino una prueba de concepto para mostrar cómo funcionarían dichos marcos en un contexto real, utilizando datos reales. La investigación contribuye al campo de la nutrición de precisión y la salud biomédica al ofrecer un marco conceptual y una base para integrar la ciencia del microbioma en la toma de decisiones clínicas. Mediante el mapeo sistemático de la evidencia, las perspectivas de los expertos y el diseño de un marco conceptual que integra un sistema híbrido de apoyo a la toma de decisiones basado en el razonamiento, la tesis allana el camino para la traducción de la nutrición personalizada basada en el microbioma a la práctica sanitaria. En última instancia, esta tesis subraya la importancia de la colaboración multidisciplinar entre los profesionales clínicos, los científicos de datos y los bioinformáticos.