Сердечный алгоритм: ИИ диагностирует ишемическую болезнь на ранних стадиях

Медики обнаружили новые признаки патологии с помощью машинного обучения

Российские ученые разработали новую методику диагностики ишемической болезни сердца с использованием искусственного интеллекта. С помощью технологии машинного обучения им удалось обнаружить ряд содержащихся в крови больных веществ, которые свидетельствуют о развитии патологии, но ранее не учитывались медиками. По мнению практикующих кардиологов, применение новых данных в комплексе с классическими анализами позволит выявлять болезнь на более ранних стадиях, что особенно важно при ишемии. Однако, по мнению других специалистов, для поиска в крови пациентов соединений, обнаруженных ИИ, нужны слишком сложные исследования, использование которых в медицинской практике может быть не всегда оправданно.

Новые признаки ИБС

Медики Российского университета дружбы народов разработали новую методику диагностики ишемической болезни сердца (ИБС) по анализу состава крови с использованием искусственного интеллекта. С помощью машинного обучения специалистам удалось обнаружить 11 метаболитов, которые больше других связаны с ишемией, но ранее не использовались врачами для диагностики. По мнению экспертов, применение новых данных вместе с классическими методами выявления болезни позволит обнаруживать ее на самых ранних этапах.

— Сердечно-сосудистые заболевания — одна из основных причин смертности во всем мире. Почти половина из смертельных случаев связана с ишемической болезнью сердца. Мы провели комплексное исследование по диагностике этого заболевания с помощью определения метаболитов в крови и методов машинного обучения, — рассказал заведующий кафедрой кардиологии, рентгенэндоваскулярных и гибридных методов диагностики и лечения РУДН Антон Колединский.

Ишемическая болезнь сердца возникает из-за постоянного недостатка кислорода в клетках сердечной мышцы. Зачастую она протекает бессимптомно вплоть до необратимой острой стадии заболевания. Поэтому необходимо как можно раньше диагностировать эту патологию, рассказали разработчики.

В исследовании приняло участие 112 пациентов. У 76 из них была диагностирована ишемическая болезнь сердца, у остальных 36 сердечно-сосудистых заболеваний не наблюдалось. Медики провели метаболомное профилирование — проанализировали состав метаболитов (продуктов обмена веществ) в крови. Затем с помощью полученных данных создали несколько моделей машинного обучения, которым удалось правильно диагностировать болезнь.

Всего в ходе исследования медики проанализировали 87 метаболитов. 36 из них изменялись у пациентов с ишемической болезнью — было обнаружено повышенное содержание цистатионина, диметилглицина и понижено содержание аргинина и асимметричного диметиларгинина. Авторы научной работы также назвали 11 основных метаболитов, которые больше других связаны с патологией. Среди них, например, норадреналин, ксантуреновая кислота, антраниловая кислота и серотонин.

— Мы успешно применили машинное обучение на основе метаболомного профилирования. Оно оказалось эффективным в диагностике ишемической болезни сердца. Несмотря на то что исследование пока пилотное, эти результаты помогут сочетать методы машинного обучения и клинической метаболомики для диагностики. А с помощью найденных метаболитов можно интерпретировать патогенез ишемической болезни сердца, — отметил Антон Колединский.

Насколько полезно для практики?

Анализ крови и сейчас играет основную роль в диагностике ИБС. Это заболевание по сути хроническое, очень медленно развивается и всегда связано с сосудами. И первое, что измеряют для его выявления, — уровень холестерина в крови. Есть определенный вид холестерина, который накапливается в стенках сосудов и нарушает их целостность. Они постепенно закрываются бляшками, в результате нарушается кровоснабжение. Также врачи проверяют содержание в крови некоторых ферментов и белков, отражающих состояние сердца, пояснил «Известиям» кардиолог Андрей Кондрахин.

— Использование ИИ для диагностики ИБС очень полезно. Его легко применять в лабораторной практике, например для расчета содержания в крови разных веществ и их сопоставления с рефератными значениями и другими данными о пациенте. На их основе можно создать математическую модель. Благодаря этому можно прогнозировать развитие болезни и рассчитать риски осложнений в соответствии со специальными шкалами. Те метаболиты, которые названы в исследовании, до этого не учитывались в клинической практике. Машина действительно может обнаружить новые закономерности и суммировать их с классическими подходами, что ускорит диагностику. Тогда нам остается только ждать завершения процедуры валидации методики, чтобы мы могли применить ее в работе, — сказал Андрей Кондрахин.

Однако чтобы использование новой технологии было экономически оправданно, она должна показать высокую точность диагностики, добавил специалист.

— Эту методику вряд ли удастся массово применять на практике, так как для выявления обнаруженных ИИ метаболитов нужны сложные анализы, которые недоступны простым врачам. Поэтому эта работа имеет только научное значение, — сказала директор Института биологии и биомедицины ННГУ Мария Ведунова.

Использование ИИ оправданно для анализа статистики по распространенным тестам и поиска ассоциаций, которые недоступны человеческому разуму из-за большого числа переменных. Таким образом можно найти новые диагностические подходы для практического применения, добавила эксперт.