Самарские ученые создадут «электронного терапевта» для прогнозирования и диагностики широкого спектра заболеваний

Разработка поможет врачам быстрее и точнее ставить диагноз.

Ученые Самарского университета им. Королёва разработают электронного терапевта» — программный комплекс, с помощью которого можно будет всего лишь за пару минут выявлять по капле крови широкий спектр различных неинфекционных заболеваний, а также прогнозировать вероятность развития болезней, когда никаких симптомов еще не ощущается. Для выявления скрытых признаков болезни будут использоваться специально обученные нейросети и метод Рамановской спектроскопии — это способ, при котором на исследуемые образцы, например капли крови, светят лазером и определяют в отраженном рассеянном свете спектральные «отпечатки» тех или иных веществ, указывающих на заболевание.

Данный проект получил финансовую поддержку в виде гранта Российского научного фонда (РНФ), победив в конкурсе «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов РНФ.

«Рамановская спектроскопия последние годы широко применяется для анализа химического состава биологических образцов, этот метод позволяет получать точную и детальную информацию о молекулярной структуре. Однако медицинские системы анализа, построенные на основе этого метода, как правило, являются однопрофильными, узкоспециализированными: они «настроены» на определение биомаркеров какого-то одного конкретного заболевания или одной группы болезней, например, одни выявляют болезни почек, другие — сердечно-сосудистой системы, третьи — десен и зубов, кожи и так далее. Это как узкие специалисты в клинике: стоматолог, кардиолог, нефролог, дерматолог. Обращаясь сразу к узкому специалисту с беспокоящими симптомами, можно упустить какое-то другое сопутствующее заболевание, которое пока что никак себя не проявляет, и на обычных анализах его пока не видно. Кроме того, у различных заболеваний на начальном этапе могут быть совершенно схожие симптомы. Мы предлагаем другой подход — не просто выявлять определенные спектральные маркеры заболеваний, присутствующие в анализируемом спектре, а анализировать в целом весь спектр, множество его параметров. Это как общий анализ крови с большим количеством показателей: вы приходите с этим анализом к терапевту, и врач определяет, какие заболевания могут скрываться за теми или иными отклонениями в анализе. Создаваемая нами система — это как раз как своего рода «электронный терапевт», наша разработка должна видеть общие закономерности и различать не только одно заболевание, а разные состояния пациента, в том числе на раннем этапе. Это не только повысит точность постановки диагноза, но также позволит немного заглядывать в будущее, давая прогноз по возможному возникновению заболеваний в перспективе», — рассказала автор проекта Юлия Христофорова, доцент кафедры лазерных и биотехнических систем Самарского университета им. Королёва.

Анализом многопараметрических спектров и созданием спектральных «портретов» заболеваний займутся нейронные сети, обученные на большой базе данных и «вооруженные» особыми алгоритмами, разработкой которых сейчас занимаются ученые университета. Масштабная база спектров сыворотки уже создана, но продолжает пополняться, собирать образцы помогают коллеги из Самарского государственного медицинского университета и врачи Самарской областной клинической больницы им. Середавина, Самарской городской клинической больницы им. Пирогова и Самарского областного клинического онкологического диспансера.

«В этой базе представлены спектры сыворотки крови более 1,5 тыс. человек — как здоровых добровольцев, так и пациентов с различными заболеваниями, в том числе с общей симптоматикой на ранних стадиях, что позволяет обучать модели не на упрощенной задаче, а на более близкой к реальной клинической практике. Особую сложность при диагностике представляет не прогрессирующая, а ранняя стадия заболевания, на начальных стадиях изменения в спектре бывают очень тонкими и легко теряются при традиционном анализе. Именно поэтому мы рассматриваем в нашем проекте применение различных нейросетевых и алгоритмических подходов, способных улавливать слабые, но устойчивые различия между группами спектральных данных и выявлять различные заболевания со сходными клиническими проявлениями», — подчеркнула Юлия Христофорова.

В числе заболеваний, которые можно будет выявлять и прогнозировать их развитие, — различные онкологические и респираторные заболевания (например, хроническая обструктивная болезнь легких, бронхиальная астма), сердечно-сосудистые заболевания (хроническая сердечная недостаточность разных классов, ишемическая болезнь сердца), аутоимунные заболевания (системная красная волчанка, ревматоидный артрит) и другие болезни.

«В настоящее время ведется активная разработка системы, созданы научная и методическая базы, но говорить об итоговых результатах можно будет лишь после завершения полного цикла разработки, обучения, проверки и валидации моделей. Планируется, что в целом это будет программный модуль или программный комплекс, который можно будет устанавливать на компьютер и использовать для загрузки спектров, их предварительной обработки, классификации и оценки результатов. Модуль или комплекс смогут работать автономно, без необходимости постоянного подключения к Интернету, что немаловажно в рамках обычной медицинской практики. Работы по созданию системы планируется завершить в 2028 году», — отметила Юлия Христофорова.