Incorporating Nonadditivity and nonlinearity within the Dietary patterns And Cancer risk association: statistics and machine learning to create novel research opportunities from dietary assessment to cancer prediction

BACKGROUND E OBIETTIVI: La dieta subottimale ha recentemente superato il fumo come principale fattore di rischio per la morbilità e la mortalità per malattie non trasmissibili nel Global Burden of Disease Study. In particolare, tra i vari fattori di rischio per il cancro, la qualità della dieta (es. dieta mediterranea) e la quantità di cibo consumato sono da tempo uno dei principali obiettivi della Sanità Pubblica. Sebbene la dieta possa non essere un fattore di rischio forte come altri, le limitazioni nella raccolta dei dati e nei paradigmi di analisi contribuiscono ad una ridotta capacità di identificare i suoi effetti con precisione. Le sfide includono: ottenere misurazioni accurate e precise della dieta, modellare appropriatamente la complessità della dieta e il confondimento residuo. Il progetto INDACO mira a utilizzare nuovi approcci statistici e di machine learning (ML) per affrontare le suddette sfide. Il progetto si articolerà in quattro obiettivi principali: 1.Esplorare la non linearità e la non additività nell'associazione tra le diverse diete ed il rischio di cancro; 2.Valutare i modelli di previsione/classificazione del rischio di cancro identificati utilizzando dati nuovi e precedentemente raccolti rispettivamente da uno studio di validazione italiano e da studi caso-controllo svizzeri; 3.Esplorare il potenziale degli approcci di apprendimento automatico a sostegno di nuovi strumenti di valutazione della dieta basati su immagini; 4.Validare i risultati dell'approccio di ML basato sulle immagini rispetto a uno studio pilota appena raccolto su immagini di cibo, ricette alimentari e assunzione di nutrienti. RISULTATI E IMPATTO ATTESI: Con il suo team di esperti competenti, il progetto INDACO definirà nuovi approcci statistici e di ML per modellare in modo più approfondito la complessità della dieta ed il suo effetto sulla salute, incorporando più variabili relative alla dieta e tenendo conto delle relazioni non lineari e non additive tra di esse, anche con fattori di confondimento. Inoltre, il progetto INDACO convaliderà gli approcci ML su un dataset italiano di immagini e pesi degli alimenti utile allo sviluppo futuro di strumenti tecnologici di valutazione della dieta. Il progetto INDACO dovrebbe avere un impatto (a lungo termine) a vari livelli: 1) sulla ricerca italiana ed internazionale in epidemiologia, in statistica e nella nutrizione; 2) sulla salute della popolazione italiana attraverso la promozione di efficaci messaggi di salute pubblica, la sensibilizzazione dell'opinione pubblica sui fattori di rischio dell'alimentazione e del cancro e il monitoraggio individuale di questi aspetti; 3) sull'economia italiana riducendo potenzialmente l'onere prevenibile di una grave malattia cronica come il cancro e fornendo lo sfondo per il futuro utilizzo commerciale degli strumenti di valutazione della dieta basati su immagini.

BACKGROUND AND OBJECTIVES: Suboptimal diet has recently surpassed smoking as the leading risk factor for noncommunicable disease morbidity and mortality in the Global Burden of Disease Study. In particular, among the various risk factors for cancer, diet quality (e.g., Mediterranean diet) and quantity of food consumed have long been one of the main objectives of Public Health. Although diet may not inherently be as a strong risk factor as others, limitations in data collection and analysis paradigms contribute to a reduced ability to identify these effects accurately. Challenges include barriers to accurate and precise measurement of diet, appropriately modeling diet complexity, and residual confounding. The INDACO project is aimed at using novel statistical and machine learning (ML) approaches to tackle the previous challenges. The project will be divided in four main objectives: 1.Exploring nonlinearity and nonadditivity within the association between dietary patterns and cancer risk; 2.Evaluating the identified cancer risk prediction/classification models using newly and previously collected data from an Italian validation study and Swiss case-control studies, respectively; 3.Exploring the potential of machine learning approaches in support of novel image-based dietary assessment tools; 4. Validating results from machine-learning based image approach versus a newly collected pilot study of food images, food recipes, and nutrient intakes. EXPECTED RESULTS AND IMPACT: With its team of competent experts, the INDACO project will define novel machine learning and statistical approaches to better leverage the full richness of diet in modeling health outcomes by incorporating more dietary variables and by accounting for nonlinear and nonadditive relations among them and with confounding factors. Furthermore, the INDACO project will validate ML approaches on an Italian dataset of food images and weights to provide opportunities in future development of technological dietary assessment tools. The INDACO project is expected to have a (long-term) impact on various levels: 1) on Italian and international research in nutritional epidemiology, statistics, and nutrition; 2) on the health of the Italian population by promoting effective public health messages, public awareness about diet and cancer risk factors, and the individual monitoring of these aspects; 3) on Italian economy by potentially reducing the preventable burden of a major chronic disease like cancer and providing background for future commercial exploitation of image-based dietary assessment tools.