• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Совместный проект ученых НИУ ВШЭ и СурГУ поможет предотвратить повторные инфаркты и инсульты

Совместный проект ученых НИУ ВШЭ и СурГУ поможет предотвратить повторные инфаркты и инсульты

© iStock

Один из проектов, победивших на конкурсе «Зеркальные лаборатории» НИУ ВШЭ в июне этого года, посвящен технологиям машинного обучения в прогнозировании исходов острого коронарного синдрома. Его реализуют Международная лаборатория биоинформатики НИУ ВШЭ и Научно-образовательный центр Медицинского института Сургутского государственного университета. Как зародился этот совместный проект, чем он поможет пациентам и как будет организована работа по его реализации, рассказывает заведующая Международной лабораторией биоинформатики, доцент ФКН НИУ ВШЭ Мария Попцова.

Мария Попцова

— Мария Сергеевна, как возникла идея сотрудничества с сургутскими коллегами? Почему было принято решение реализовать этот проект именно с ними?

— С коллегами из Сургута мы начали общаться в рамках консорциума по кардиогенетике (он объединяет усилия российских научных групп и институтов для исследования генетики сердечно-сосудистых заболеваний).

Директор Медицинского института Сургутского госуниверситета Людмила Васильевна Коваленко много сил и энергии тратит на развитие научно-технологических проектов в своем крае. Так, на наших глазах был запущен проект «Код жизни», который включает в себя как генетическое тестирование для определения вариантов генов, отвечающих за развитие сердечно-сосудистых заболеваний, так и непрерывное сопровождение пациента с использованием телемедицинских технологий.

Мы узнали, что в сургутском окружном кардиоцентре (официальное название — Окружной кардиологический диспансер «Центр диагностики и сердечно-сосудистой хирургии») есть медицинская информационная система (МИС) «Пациент», которая ведет записи историй пациентов. В частности, на сегодняшний день доступна информация о 10 тысячах человек, поступивших в окружной кардиоцентр с инфарктом миокарда. Как выяснилось, в Югре в три раза ниже смертность от сердечно-сосудистых заболеваний, чем в других регионах России. И тогда мы решили, что сможем использовать эти уникальные данные для обучения прогностических систем искусственного интеллекта.

— В чем смысл этой работы? Как технологии машинного обучения смогут помочь в прогнозировании исходов острого коронарного синдрома?

— Суть нашего проекта состоит в том, чтобы вытащить все данные о 10 тысячах пациентов, которые поступили в окружной кардиоцентр с инфарктом миокарда за период с 2009 года и о которых остались записи в МИС «Пациент». Известны их истории болезни: кто перенес повторный инсульт или инфаркт, кто, к сожалению, не дожил до настоящего времени, кто живет и сегодня.

На основе этих данных можно построить модель машинного обучения, которая будет предсказывать риски возникновения неблагоприятного события после выписки таких пациентов из госпиталя. А с помощью разработанной прогностической модели можно будет определять пациентов с большим риском повторного инфаркта или инсульта или даже смертельного исхода. За такими пациентами необходимо установить более строгий контроль, в том числе с помощью телемедицины, и продлить им жизнь.

© iStock

— Как будет организована совместная работа? Кто в нее будет вовлечен?

— Со стороны Сургутского госуниверситета проект возглавил Антон Сергеевич Воробьев, доцент кафедры кардиологии, ведущий научный сотрудник НОЦ Медицинского института. Антон Сергеевич будет осуществлять клиническую интерпретацию данных, производить отбор факторов, вносящих наиболее значимый вклад в модель.

Надо понимать, что стандарта по вводу данных о пациентах с 2009 года по сегодняшний день нет. Данные очень гетерогенные, и нам придется разработать алгоритмы автоматического парсинга неструктурированных текстов, тестировать применение методов NLP для того, чтобы привести базу данных о пациентах к виду, который можно подавать на вход алгоритмам машинного обучения.

Помимо построения самой точной модели, необходимо будет определить факторы, которые вносят наибольший вклад в предсказательную силу модели. Пилотный проект на 500 пациентов показал, что такими факторами могут быть и клинические, и биохимические (биомаркеры), и социальные показатели. Здесь потребуется совместная работа врачей и дата-сайентистов, чтобы понять, какие факторы можно включать в модель, а какие являются побочным артефактом и не несут значимой информации для лечащего врача.

Со стороны НИУ ВШЭ в проекте участвуют студенты магистерской программы «Анализ данных в биологии и медицине», а также аспиранты, со стороны СурГУ — студенты Медицинского института и ординаторы.

— Какие результаты ожидаются? Когда вы планируете их представить?

— К концу 2025 года, то есть к завершению проекта, мы планируем иметь работающую программу, в основе которой будет модель машинного обучения, обученная на 10 тысячах пациентов.

В приемной врач сможет ввести значения клинических и биохимических данных обследования пациента, которое рутинно проводится в госпитале при поступлении больного с инфарктом миокарда, и получить классификацию этого пациента. То есть врач сразу увидит, высок или низок риск развития повторного неблагоприятного события (инфаркта, инсульта), смертельного исхода у пациента.

Планируется тестирование модели на новых пациентах, которых доставляют в кардиоцентр с инфарктом миокарда. А в будущем, когда появятся данные из генотипирования, мы планируем строить прогностические модели искусственного интеллекта с учетом данных кардиогенетики.

— Можно ли будет использовать эту систему не только в Ханты-Мансийском автономном округе — Югре, но и в других регионах?

— Да. Разработанная нами система искусственного интеллекта масштабируема. Будет интересно протестировать ее на данных пациентов других кардиоцентров.

Вам также может быть интересно:

Анализ генетической информации поможет избежать осложнений после инфаркта

Исследователи из НИУ ВШЭ разработали модель машинного обучения, которая предсказывает риск развития осложнений у пациентов, перенесших инфаркт миокарда. В модели впервые учли генетические данные, что позволило точнее оценить риск долгосрочных осложнений. Исследование опубликовано в журнале Frontiers in Medicine.

Fall into ML 2024: взгляд в будущее машинного обучения

25–26 октября в Москве состоялась конференция Fall into ML, организованная Институтом искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ совместно с Центром ИИ при поддержке титульного партнера — Сбера. На протяжении двух дней ведущие специалисты в области искусственного интеллекта обсуждали перспективы развития фундаментальных технологий ИИ.

«Наша система позволяет предотвращать сбои в работе центров обработки данных»

Студент первого курса магистерской программы «Продуктовый подход и аналитика данных в HR-менеджменте» Константин Балцат с командой единомышленников разработали систему прогнозирования отказов жестких дисков на основе машинного обучения. С этим проектом они второй год подряд входят в число лучших на хакатоне «Цифровой прорыв». «Вышка.Главное» побеседовала с Константином о разработках инноваций и учебе в университете.

НИУ ВШЭ и ПСБ провели хакатон по ИИ для студентов ведущих вузов страны

В конце сентября онлайн-кампус НИУ ВШЭ и ПСБ организовали хакатон для студентов, которые увлекаются анализом данных, визуализацией и машинным обучением, а также студентов креативных индустрий. На хакатон зарегистрировалось 620 человек, приняло участие 428 человек из разных регионов РФ. За первое место боролись студенты лучших российских университетов, а также учащиеся из других государств. Победителями турнира стала команда из Вышки.

«В третий раз соберем на площадке ВШЭ лучших ученых и исследователей ИИ в России»

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Центр ИИ 25–26 октября в Москве организуют конференцию Fall into ML 2024. Главной темой ежегодного мероприятия станут перспективы развития фундаментального искусственного интеллекта. Титульным партнером конференции выступит Сбер.

Школа по ML в биоинформатике: «отличная возможность для нетворкинга и изучения нового материала»

Факультет компьютерных наук НИУ ВШЭ провел ежегодную летнюю школу по машинному обучению в биоинформатике, слушателями которой стали более 300 человек из разных университетов, институтов и организаций. Всего на событие зарегистрировались более 800 человек. Трехдневная программа включала в себя лекции и семинары.

Ученые НИУ ВШЭ показали эффективность машинного обучения при прогнозировании инфляции

Инфляция — один из ключевых показателей экономической стабильности, и точное прогнозирование ее уровня в различных регионах имеет большое значение для государства, бизнеса и домохозяйств. Татьяна Букина и Дмитрий Кашин из НИУ ВШЭ в Перми выяснили, что машинное обучение для прогнозирования инфляции превосходит классические эконометрические модели в долгосрочных прогнозах. Исследование проводилось на примере субъектов Приволжья. Результаты опубликованы в журнале HSE Economic Journal.

Ученые НИУ ВШЭ предложили модель, лучше других определяющую тематику текстов

Тематические модели — алгоритмы машинного обучения, способные сортировать большие объемы текстов по темам. Исследователи из НИУ ВШЭ в Санкт-Петербурге сравнили пять тематических моделей и определили, какие из них работают лучше. Наименьшее число ошибок показали две модели, одна из которых, GLDAW, — разработка Лаборатории социальной и когнитивной информатики НИУ ВШЭ в Санкт-Петербурге. Статья опубликована в журнале PeerJ Computer Science.

«Цель школы Spring into ML — объединить молодых ученых, занимающихся математикой ИИ»

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Университет Иннополис провели для студентов, аспирантов и молодых ученых недельную школу, посвященную применению математики в машинном обучении и искусственном интеллекте. 50 участников Spring into ML прослушали 24 доклада о машинном обучении, участвовали в тематических питч-сессиях и прошли два мини-курса по диффузионным моделям — развивающейся области ИИ для генерации данных.

В России разработана программа для диагностики дислексии

Ученые НИУ ВШЭ создали инструмент, который оценивает наличие и степень дислексии у школьников, учитывая их пол, возраст, класс школы и данные видеоокулографии. В 2024 году планируется внедрение программы в клиническую практику. Исследования проводились специалистами в области машинного обучения и нейролингвистами в Центре искусственного интеллекта НИУ ВШЭ.