Это ежемесячный обзор наиболее важных и интересных новостей от экспертной группы проекта Технологии Долголетия по направлению «Искусственный интеллект в медицине и биологии»
В текущем обзоре рассматриваются последние наиболее значительные и интересные публикации о использовании технологий машинного интеллекта для диагностики заболеваний, моделировании свойств лекарственных препаратов, создании моделей живых организмов, анализа биомаркеров старения, прямого научного поиска средств продления жизни, других применениях ИИ в медицине и биологии.
Отдельный интерес представляет использование технологий машинного интеллекта для увеличения эффективности исследований, прямого научного поиска средств продления жизни, начиная с простейших алгоритмических механизмов для аналитики научных публикаций в областях, связанных с продлением жизни.
Поставить диагноз с помощью виртуального сердца, созданного «умным» алгоритмом
Институт биоинженерии при Оклендском университете разработал виртуальное сердце, которое сможет обеспечить огромный прорыв в лечении фибрилляции предсердий, являющейся одной из наиболее часто встречающихся сердечных проблем.
Исследователями разработан алгоритм машинного обучения AtriaNet на основе сверточной нейронной сети. Он извлекает данные из 154 3D снимков, полученных с помощью МРТ с использованием гадолиния при обследовании пациентов с фибрилляцией предсердий для автоматической сегментации эпикарда левого предсердия и эндокарда.
По словам разработчиков, программное обеспечение может работать на обычном персональном компьютере и создавать 3D-виртуальное сердце нового пациента с точностью до 94 %.
Источник: https://www.dotmed.com/news/story/44234
Предсказать риск аневризмы с помощью AI и геномики
Ученые из Стэнфордского университета с помощью геномики и машинного обучения разработали способ прогнозирования аневризмы брюшной аорты, необратимого заболевания, при котором главная артерия человеческого тела постепенно увеличивается в размерах, а ее стенки истончаются.
Исследователи проанализировали геномные данные 268 человек, у которых был поставлен диагноз аневризмы брюшной аорты, чтобы найти образцы мутаций. В результате чего удалось идентифицировать 60 генов, которые мутировали. Некоторые из этих генов были уже известны, как влияющие на образование кровеносных сосудов, другие были более тесно связаны с иммунитетом. Исследователи сообщили, что алгоритм и геномное секвенирование предсказали риск аневризмы брюшной аорты с точностью до 70%. Когда они добавили информацию из электронных медицинских записей, таких как привычка курения или история артериального давления, то точность прогноза увеличилась до 80%.
Подобный тест может быть полезен врачам, потому что данный диагноз нельзя предотвратить, и его часто не обнаруживают до тех пор, пока аорта не разрывается.
Источник: https://www.fiercebiotech.com/research/using-genomics-and-machine-learning-to-predict-aneurysm-risk
Ученые учатся предсказывать болезни по генетическому коду человека
Исследовательская группа Институтов Броада и Гарварда, Массачусетского технологического института и Гарвардской медицинской школы сообщили о новом виде анализа генома, который сможет выявить большую часть населения, имеющих более высокий риск развития серьезных распространенных заболеваний, включая заболевание коронарной артерии, рак молочной железы или диабет типа 2.
В процессе разработки алгоритма оценки риска заболевания, ученые собрали данные из широкомасштабных исследований ассоциации генома (обычно сокращенного GWAS), чтобы идентифицировать генетические варианты, связанные с болезнью коронарных артерий, фибрилляцией предсердий, диабетом типа 2, воспалительным заболеванием кишечника или рак молочной железы. Для каждой болезни они применяли вычислительный алгоритм для объединения информации из всех вариантов, большинство из которых индивидуально имеют крайне незначительное влияние на риск, в единый полигенный показатель риска. Этот показатель может быть использован для прогнозирования заболеваний на основе генома.
Для разработки тестов на определение полигенных рисков для других распространенных заболеваний, команда отмечает, что для сбора данных об общем геноме и для оценки с помощью справочных биобанков потребуется дополнительное исследование. Кроме того, текущие расчеты полигенного риска в значительной степени основаны на генетических исследованиях, проводимых людьми европейского происхождения, поэтому для оптимизации алгоритмов для других этнических групп необходимы дополнительные исследования.
Источник: https://www.broadinstitute.org/news/predicting-risk-common-deadly-diseases-millions-genetic-variants
Сибирские ученые разработали устройство для контроля работы сердца и кровеносной системы
Ученые Сибирского федерального университета (СФУ) разработали кардиомонитор, который позволяет непрерывно отслеживать работу сердечно-сосудистой, кровеносной систем, легких, а также своевременно выявлять заболевания сердца.
“Датчик весом менее ста граммов крепится в области сердца стандартными разовыми электродами, вся информация идет через Bluetooth на смартфон или планшет. В отличие от распространенных сейчас кардиодатчиков, которые передают только данные ЭКГ, наша разработка позволяет следить за состоянием проводящей и мышечной системы сердца, сосудистой и кровеносной системы всего организма, посмотреть, например, как идет кровообращение мозга, рук, ног. Кроме того, мы можем увидеть, как функционируют бронхи и легкие в целом», — пояснил Геннадий Алдонин, автор исследования, профессор кафедры приборостроения и наноэлектроники института инженерной физики и радиоэлектроники СФУ.
Датчик анализирует данные ЭКГ, фонокардиограммы, работу сосудов и других биосистем организма на основе работы алгоритмов, основанным на теории самоорганизации (или синергетики). Разработанный метод ученые назвали Wavelet-интроскопия, то есть неинвазивный (без проникновения через естественные внешние барьеры организма — кожу, слизистые оболочки) способ визуализации работы систем организма.
Источник: https://tass.ru/nauka/5475243
Нейросеть распознает рак лёгких на ранних этапах с точностью 97%
Исследователи из Университета Нью-Йорка разработали алгоритм для диагностики рака легких, который, посредством анализа изображений с результатами гистологии патологических тканей, своевременно выявляет признаки заболевания. За основу нейронной сети для распознавания изображений разработчики взяли библиотеку Inception v3, которая уже успешно ранее применялась для диагностики меланомы и ретинопатии.
Исследование показывает, что сверточные нейронные сети, такие как Inception v3 компании Google, могут быть использованы для оказания помощи в диагностике рака легких с помощью гистопатологических слайдов: они почти однозначно классифицирует нормальные и опухолевые ткани (~ 0,99 AUC) и различает типы рака легких с высокой точностью (0,97 AUC) по словам исследователей.
Источник: https://www.nature.com/articles/s41591-018-0177-5.epdf
Искусственный интеллект учится определять, выйдет ли пациент из комы
Алгоритм ИИ, разработанный Китайской Академией Наук и Военным Генеральным Госпиталем в Пекине, анализирует изображения МРТ-снимка мозга пациента, чтобы оценить приток крови в разные области мозга, а также информацию, предоставленную врачами, например, возраст пациента, обстоятельства потери сознания и причину комы, а затем поставили диагноз.
Алгоритм разрабатывался в течение восьми лет и обучался на сканировании 160 пациентов с нарушениями сознания. Хотя этот набор данных мал по сравнению с сотнями тысяч изображений, обычно используемых для обучения других алгоритмов на основе изображений, исследователи утверждают, что система на 88% точна при прогнозировании того, восстановится ли пациент в течение года.
Автор: Олеся Сидорова
Перепечатка разрешается при сохранении ссылок на источник публикации.
