Специалисты Сеченовского университета разработали модель машинного обучения, которая способна различать четыре хронических заболевания легких по составу выдыхаемого воздуха. Об этом сообщили ТАСС в пресс-службе вуза.
Shutterstock
Ученые проанализировали образцы выдыхаемого воздуха 843 участников исследования, включая пациентов с бронхиальной астмой, хронической обструктивной болезнью легких (ХОБЛ), муковисцидозом и лимфангиолейомиоматозом (ЛАМ) и здоровых добровольцев. Состав выдоха изучали с помощью протонной масс-спектрометрии высокого разрешения, позволяющей регистрировать летучие органические соединения в режиме реального времени, затем данные обрабатывали алгоритмами машинного обучения.
Модель анализировала характерные сочетания соединений, а также связь между ними. «Оказалось, что каждому заболеванию соответствует собственный химический профиль. Наиболее высокой точности система достигла при выявлении муковисцидоза, однако в целом алгоритм успешно различал все исследованные заболевания», — говорится в сообщении.
По мнению ученых, выявленные различия в химическом составе выдыхаемого воздуха отражают особенности течения каждого заболевания. В дальнейшем такие данные могут использоваться не только для диагностики, но и для оценки состояния пациента и эффективности лечения.
«Мы движемся к тому, чтобы как минимум значительную часть социально значимых заболеваний можно было выявлять таким способом хотя бы на этапе скрининга. В перспективе человек сможет пройти быструю диагностику с помощью анализатора выдыхаемого воздуха прямо в поликлинике, и система подскажет, требуется ли ему консультация пульмонолога, кардиолога, эндокринолога или другого специалиста. Сейчас мы работаем над алгоритмами для выявления заболеваний легких, сердечно-сосудистой патологии, некоторых видов рака и эндокринных нарушений», — подчеркнул директор Института персонализированной кардиологии Сеченовского университета Филипп Копылов, чьи слова приводит пресс-служба.
.png "Получай новости на почту. Подписаться")