Dirbtinis intelektas ir kiekybinė masės spektrometrija prognozuos Covid-19 ligos baigtį

Skoltech ir McGill universiteto mokslininkai ir jų kolegos išmokė dirbtinį intelektą, kad galėtų numatyti pacientų, paguldytų į intensyviąją terapiją, išgyvenamumą. Mašininio mokymosi algoritmas sugebėjo teisingai numatyti paciento išgyvenimą su 92 procentų tikimybe, remiantis 15 biomolekulių (10 baltymų ir penkių metabolitų) koncentracijos kraujo plazmoje matavimu naudojant tikslinę masės spektrometriją. Tyrimo rezultatai svarbūs pacientų suskirstymui esant nepakankamam medicinos personalui ir įrangai, kai gydytojai priversti spręsti, kuris iš vienu metu priimtų pacientų gaus pirmenybę reanimacijoje.

Darbas buvo paskelbtas žurnale Molecular & Cellular Proteomics ir įtrauktas į įdomius redaktorių tyrimus. „Kai ligoninės infrastruktūra yra perkrauta, gydytojams reikalingi metodai, leidžiantys toliau įvertinti paciento būklės sunkumą ir numatyti galimas komplikacijas. Turėdamas šią papildomą informaciją, pvz., omikos duomenis, gydytojas gali optimizuoti priežiūros strategiją ir laiku atlikti būtiną gaivinimą didžiausios rizikos pacientams.

Būtent tam ir yra sukurtas mūsų sprendimas: dirbtinis intelektas padeda įvertinti paciento sunkumą remiantis omikos duomenimis iš kraujo mėginių ir numatyti galimas komplikacijas iki mirties“, – sako profesorius Jevgenijus Nikolajevas iš Molekulinės ir ląstelių biologijos centro.

Nikolajevas ir jo kolegos ištyrė kelių šimtų pacientų, kurių rezultatai buvo žinomi ir kurių kraujo mėginiai buvo paimti patekus į intensyviosios terapijos skyrių, taip pat antrą ir septintą dienas, kelių mišinių duomenis. Dėl to kiekvienam pacientui buvo išmatuotas jo išsamus proteominis ir metabolominis profilis, ty galimų biomarkerių lygis kraujo plazmoje.

„Mes taip pat pažvelgėme į metabolitų lygį – šios mažos molekulės, medžiagų apykaitos produktai taip pat turi nuspėjamąją galią. Dėl to buvo parinktas 10 baltymų ir penkių metabolitų rinkinys, pagal kurį dirbtinio intelekto algoritmas gali labai tiksliai numatyti paciento išgyvenamumą jau patekus į reanimaciją“, – komentuoja Nikolajevas ir priduria, kad tokia prognozė. visiškai neatmeta subjektyvaus gydytojo sprendimo galimybės.

„Skoltech“ vyresnysis mokslo darbuotojas Aleksejus Kononikhinas sako: „Mūsų nustatytas žymenų baltymų rinkinys buvo patvirtintas nepriklausomais duomenimis iš Europos Charité ir Insbruko klinikų, o šiame pavyzdyje mūsų modelis taip pat parodė gerą tikslumą (daugiau nei 80 procentų) numatant paciento mirtis.”

Masių spektrometrijos laboratorija, kuriai vadovauja Nikolajevas, kuria masių spektrometrijos įrangą ir metodus, taikomus įvairiose mokslo srityse, pirmiausia biologijoje ir medicinoje. Anksčiau laboratorijos komanda siūlė masių spektrometrinį metodą greitam ir patikimam koronaviruso aptikimui. Be Skoltech ir McGill universiteto mokslininkų, darbe dalyvavo mokslininkai iš Leideno universiteto ir MRM Proteomics Inc.

Pasidalinkite su draugais

TRUMPAI


Yra 7 koronavirusų šeimai priklausantys virusai. Jie pavadinti taip todėl, nes yra panašūs į karūną, o žodis „korona“ lotynų kalboje būtent tai ir reiškia. Iš šių 7 koronavirusų pavojingiausi yra trys, pasaulyje sukėlę protrūkius.

Pirmąjį protrūkį prieš 18 metų lėmė SŪRS virusas – sunkus ūminis respiracinis sindromas. Antrąjį protrūkį prieš 8 metus sukėlė MERS virusas – jis kilo Artimuosiuose Rytuose. Trečiasis protrūkis 2020 m. sausio mėnesį prasidėjo Kinijoje.