Учёные Университета имени Сеченова создали высокоточную модель машинного обучения, способную проводить неинвазивную дифференциальную диагностику четырёх тяжелых хронических заболеваний органов дыхания на основе анализа состава выдыхаемого воздуха. Технология позволяет идентифицировать патологии со схожей клинической картиной на ранних стадиях, когда стандартные методы спирометрии малоэффективны.
В масштабном клиническом исследовании проанализировали паттерны выдоха 843 участников, разделённых на целевые группы и контрольную группу здоровых добровольцев.
Математическая модель, обученная на массиве данных спектрометрии, анализирует тонкие различия в составе газов.
Алгоритмы классификации успешно разделяют биомаркеры воспалительных, генетических и деструктивных процессов в лёгочной ткани, демонстрируя высокие показатели чувствительности и специфичности при слепом тестировании образцов.
Директор Института персонализированной кардиологии Сеченовского университета Филипп Копылов уточнил, что конечная цель проекта — интеграция мультидисциплинарных ИИ-систем в кабинеты терапевтов и профильных специалистов.
ИИ-система мгновенно оценит химический состав выдоха и выдаст рекомендацию — требуется ли человеку углублённая консультация пульмонолога, кардиолога, эндокринолога или онколога. Сейчас мы расширяем возможности алгоритмов для выявления кардиопатологий, эндокринных нарушений и некоторых типов рака.
— Филипп Копылов, директор Института персонализированной кардиологии Сеченовского университета
Использование метаболомного профилирования выдыхаемого воздуха позволит врачам не только оперативно ставить диагноз, но и осуществлять динамический мониторинг состояния пациента, оценивая ответ организма на назначенную лекарственную терапию без проведения повторных инвазивных процедур.