Ранняя диагностика заболеваний легких с помощью ИИ: российские учёные научили нейросеть «читать» макрофаги

Учёные из Лаборатории таргетной терапии и предиктивной диагностики Центрального университета создали метод диагностики воспалительных заболеваний, не имеющий аналогов в мире. Разработка позволяет выявлять риски осложнений ещё до появления выраженных симптомов — с помощью ИИ, который помогает врачам точно расшифровывать результаты анализов.

Кому это поможет

По оценкам авторов, технология способна повысить эффективность лечения как минимум для 2 млн человек в год в России — пациентов пульмонологических отделений с воспалительными заболеваниями лёгких и аутоиммунными заболеваниями. При этом новый метод не просто диагностирует болезнь, но и прогнозирует динамику эффективности терапии, а также заранее оценивает риски серьёзных осложнений. Ни один из ранее существовавших методов диагностики такой возможности не давал.

Результаты исследования опубликованы в международном научном журнале The International Journal of Molecular Sciences — в специальном выпуске, посвящённом роли макрофагов при воспалении и онкологических заболеваниях.

В чём суть разработки

До сих пор воспалительные заболевания диагностировались на основе симптомов, биохимических тестов, цитологических и гистологических исследований, а также рентгенографии. Все эти подходы объединяет одно ограничение: они не позволяют заранее оценить риски осложнений. Идентичные клинические и биохимические показатели у разных пациентов не исключают непредвиденных осложнений — вплоть до летальных исходов. Выявление таких высокорисковых случаев оставалось нерешённой научной задачей.

В основе новой тест-системы лежат молекулы-маркеры разной формы, работающие как высокочувствительные датчики: они находят нужные иммунные клетки — макрофаги — и прочно соединяются с ними, помогая распознать болезнь. Сформированный массив данных интерпретирует нейросеть, обученная на информации о реальных пациентах. Это первая в мире технология, настолько детально изучающая состояние макрофагов при воспалениях.

Индивидуальный подход к лечению

Метод позволяет выявить уникальный «цифровой отпечаток» болезни для каждого пациента. Это особенно важно, поскольку многие препараты, помимо борьбы с бактериями, напрямую влияют на активность макрофагов — причём этот эффект строго индивидуален. В одном случае лекарство усиливает лечение, в другом — при аналогичном диагнозе способно спровоцировать опасное осложнение. Новая технология даёт врачам возможность заранее протестировать, как иммунитет конкретного пациента отреагирует на терапию, и подобрать персональный протокол лечения.

Эксперименты проводились на пробах пациентов с заболеваниями лёгких, включая пневмонию, бронхит и астму. Нейросеть обучали на данных более 100 клинических случаев: алгоритм сопоставлял комбинации индексов специфических взаимодействий молекул с иммунными клетками и сведениями из медицинских карт. Точность диагностики составила более 85%.

Сейчас систему применяют для диагностики болезней лёгких, однако в дальнейшем планируется её адаптация для других заболеваний. Технология уже доказала эффективность как для первичной диагностики, так и для мониторинга состояния пациента в ходе лечения.

Приношу извинения — это явная ошибка. Исправляю:

Мнение ИИ

С точки зрения машинного анализа данных, разработка российских учёных существует не в вакууме: мировое научное сообщество уже несколько лет активно тестирует схожие подходы к классификации макрофагов. Машинное обучение на основе морфологии ядра клетки позволяет классифицировать макрофаги с точностью до 98% — и это без использования молекулярных маркеров вообще. Ключевой технический вопрос, который статья оставляет без ответа: на каком этапе лечения производится забор образцов и как быстро система выдаёт результат — именно скорость «цифрового отпечатка» определяет его клиническую ценность в острых случаях.

Параллельно стоит учитывать риск, который редко обсуждается в подобных публикациях. Современные системы ИИ способны воспроизводить ложную медицинскую информацию даже при наличии явных признаков вымысла во входных данных — а значит, качество обучающей выборки становится не техническим нюансом, а вопросом безопасности пациента. Обучение нейросети на 100 клинических случаях — скромная база для системы, претендующей на охват 2 млн человек в год.

Источник