Cпособен ли искусственный интеллект диагностировать сердечно-сосудистые заболевания с помощью анализов кала?

Реально ли обучить машины «считывать» анализы кала и помогать диагностировать сердечно-сосудистые заболевания? Вполне, как продемонстрировали результаты недавнего исследования, согласно которым этот оригинальный подход почти столь же эффективен, как и существующие диагностические методы, и, что более важно, требует гораздо меньше времени.

публикация 04 февраля 2021
Обновлять 08 августа 2023
Actu GP : L’intelligence artificielle pour diagnostiquer les maladies cardiovasculaires au travers des selles ?

Об этой статье

публикация 04 февраля 2021
Обновлять 08 августа 2023

Сердечно-сосудистые заболевания (ССЗ) — причина смерти номер один в мире. К 2030 году ожидается пик смертности от сердечно-сосудистых заболеваний — 23,6 миллиона случаев. В настоящее время их диагностика включает серию трудоемких и дорогостоящих обследований (клинические тесты, ЭКГ, рентгенография органов грудной клетки, эхокардиограмма). Изменение микробиоты кишечника (дисбиоз) сопряжено с некоторыми типами сердечно-сосудистых заболеваний, включая артериальную гипертензию, сердечную недостаточность и атеросклероз. Так почему бы не использовать искусственный интеллект для разработки диагностического теста на сердечно-сосудистые заболевания на основе состава кишечной микробиоты?

«Сигнатуры» сердечно-сосудистых заболеваний в образцах кала

Машинное обучение — это отрасль искусственного интеллекта, которая включает в себя ввод данных в компьютер с тем, чтобы он мог научиться решать определенную проблему. В здравоохранении оно успешно используется для диагностики и прогнозирования различных заболеваний, таких как рак, сахарный диабет и воспалительные заболевания кишечника. Чтобы проверить его полезность для диагностики сердечно-сосудистых заболеваний, группа исследователей сравнила различные аналитические алгоритмы и попыталась определить характерные «сигнатуры» заболевания в образцах кала, полученных у 478 пациентов с сердечно-сосудистыми заболеваниями и 473 здоровых добровольцев. Они выявили значимые различия между двумя группами по относительному количеству 39 бактерий в кишечнике.

Высокая диагностическая способность

Исследователи установили особый алгоритм, который, будучи ориентирован на 25 семейств бактерий кишечной микробиоты, способен различать две группы с точностью 70%. Этот уровень точности лишь немного ниже, чем у обычного подхода, который позволяет диагностировать ССЗ у 76% пациентов, но требует набора клинических данных (возраст и пол пациента, статус по курению, уровень артериального давления, уровень холестерина в крови и т. д.). По мнению авторов, использование машинного обучения для выявления дисбиоза кишечника, характерного для сердечно-сосудистых заболеваний, имеет очень многообещающий диагностический потенциал в контексте плановых обследований.

Old sources

Источники :

Aryal S, Alimadadi A, Manandhar I, et al. Machine Learning Strategy for Gut Microbiome-Based Diagnostic Screening of Cardiovascular Disease. Hypertension. 2020 Nov;76(5):1555-1562.

    Читайте также