Различать заболевания легких по выдоху научили нейросеть в России
В пресс-службе Сеченовского университета расказали, что специалисты вуза разработали модель машинного обучения, способную различать четыре хронических заболевания легких по составу выдыхаемого воздуха.
Ученые проанализировали образцы выдоха 843 участников — пациентов с бронхиальной астмой, ХОБЛ, муковисцидозом, лимфангиолейомиоматозом и здоровых добровольцев. Состав изучали с помощью протонной масс-спектрометрии высокого разрешения, фиксирующей летучие соединения в реальном времени, после чего данные обрабатывали алгоритмами машинного обучения.
Модель анализировала характерные сочетания соединений и их взаимосвязи. Оказалось, что каждому заболеванию соответствует собственный химический профиль. Наиболее высокую точность система показала при выявлении муковисцидоза, но в целом алгоритм успешно различал все исследованные болезни. По мнению ученых, выявленные различия отражают особенности течения каждого заболевания и в будущем могут применяться не только для диагностики, но и для оценки состояния пациента и эффективности терапии.
Директор Института персонализированной кардиологии Сеченовского университета Филипп Копылов подчеркнул, что исследователи движутся к тому, чтобы значительную часть социально значимых заболеваний можно было выявлять таким способом на этапе скрининга. В перспективе, по его словам, человек сможет пройти быструю диагностику с помощью анализатора выдыхаемого воздуха в поликлинике, а система подскажет, нужна ли консультация пульмонолога, кардиолога, эндокринолога или другого специалиста. Сейчас команда работает над алгоритмами для выявления болезней лёгких, сердечно-сосудистых патологий, некоторых видов рака и эндокринных нарушений. Результаты опубликованы в International Journal of Molecular Sciences.
Ранее сообщалось, что японские ученые завершили первую фазу клинических испытаний препарата, который в перспективе может позволить человеку выращивать новые зубы. Исследование с участием добровольцев прошло без серьезных побочных эффектов, а вывод разработки на рынок планируется к 2030 году.