据世界卫生组织称，到 2030 年，一半以上的人口将超重或肥胖。塔尔图大学行为遗传学副教授 Uku Vainik 获得了欧洲研究理事会 (ERC) 的启动资助，用于研究行为和遗传与肥胖的联系，并确定可能的新干预措施来对抗肥胖。

肥胖是一种遗传性慢性疾病，影响全球近十亿人。鉴于肥胖带来的健康问题，这对医疗保健系统来说是一个巨大的额外负担，需要快速有效的解决方案。

为了对抗超重和肥胖，人们已经开发出一系列治疗方法，从行为建议和药物治疗到胃绕道手术。然而，这些干预措施对与体重作斗争的人有截然不同的效果。有些人可以克服体重问题，而另一些人尽管尽了最大努力，体重还是反弹了。

Vainik 的研究团队正试图了解哪些因素可能更广泛地预测减肥，它们是否与减肥成功存在因果关系，以及通过了解这种关系是否可以使减肥计划更加有效。在他们的研究中，他们使用机器学习、基因库中收集的健康数据以及支持健康行为的移动应用程序。

机器学习有助于澄清信息过载

科学文献中提出了近 200 个因素作为减肥成功的预测因素，包括社会心理、环境、行为和生物因素以及与生活质量相关的因素。然而，这些因素太多，无法在一个人身上衡量。Vainik 计划使用机器学习将这些因素聚合到大型数据集中，并减少同一指标措辞的异质性。例如，就人格特质而言，良好的自控力、坚韧、责任心和毅力可能本质上意味着同一件事。

类似的因素可以聚集在随着时间的推移测量体重变化因素的数据集中。例如，多年来，爱沙尼亚生物银行的基因捐赠者帮助参与了几项研究，涵盖了 200 个体重变化因素中的大部分。研究和体检的数据还提供了人们的体重历史，使研究人员能够将体重变化与可能影响体重的因素相匹配。“在爱沙尼亚，过去十年来，有几千人使用处方药或手术来减肥。然而，成千上万的人在没有医生指导的情况下体重减轻或增加。