26 October 2022, 17:00 Виталина Власова

ИИ определил коронавирус всего по двум показателям крови

Российские ученые разработали алгоритм на основе искусственного интеллекта, который позволяет всего за несколько минут определить, болен ли человек коронавирусом. Программа анализирует одиннадцать показателей крови, по которым и выявляет инфекцию. При этом комбинации всего двух из них достаточно, чтобы поставить диагноз с точностью в 99,8%. Разработка поможет врачам быстро и недорого проводить тестирование на COVID-19 в больницах и за их пределами, поскольку алгоритм можно применять в компактных носимых устройствах. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Sensors.

ИИ определил коронавирус всего по двум показателям крови
Source: Fusion Medical Animation / Unsplash.com

Чтобы определить, болен ли человек коронавирусом и сталкивался ли с ним, используют лабораторные методы тестирования, а именно полимеразную цепную реакцию (ПЦР). Такой подход позволяет выявить генетический материал вируса в мазках со слизистых оболочек, например из носоглотки. Несмотря на то, что точность ПЦР-диагностики очень высокая, у нее есть и недостатки — высокая цена и долгое время ожидания результата. Так, само выполнение теста занимает не менее четырех часов, а информирование пациента может растянуться на несколько дней. Чем раньше больной узнает об инфекции, тем быстрее он сможет остановить ее распространение, например, отказавшись от встреч с друзьями, родственниками и коллегами. Кроме того, быстрое выявление SARS-CoV-2 позволит врачам незамедлительно начать лечение и избежать тяжелого течения заболевания.

Ученые из Петрозаводского государственного университета (Петрозаводск) с зарубежными коллегами разработали алгоритм на базе искусственного интеллекта, который позволяет оперативно определить, присутствует ли инфекция SARS-CoV-2 в организме человека. Алгоритм анализирует одиннадцать биомаркеров — признаков, по которым можно оценить состояние организма, — в крови, и, сопоставляя эти показатели меду собой, с точностью более 99% определяет, болен ли пациент.

Для обучения системы искусственного интеллекта авторы использовали открытые базы данных по биомаркерам у людей, проходивших тестирование на COVID-19. Эти наборы данных собирались турецкой исследовательской больницей в 2021 году. По базе данных ученые сравнили 51 биомаркер у пациентов с положительным и отрицательным результатом теста на COVID-19. Искусственный интеллект выявил 11 признаков, которые явно различались у больных и здоровых людей. Среди них оказались уровень холестерина и переносящих его молекул, а также количество гемоглобина в эритроцитах — красных кровяных тельцах.

Далее авторы проверили, какого количества признаков будет достаточно, чтобы однозначно определить диагноз пациента. Оказалось, что, если система искусственного интеллекта оценивает данные по всем 11 биомаркерам, точность ее предсказаний составляет 100%. Если всего по любым двум или трем из них — 99,8% и 99,9% соответственно. Это говорит о том, что даже на основе небольшого количества данных система с высокой точностью выявляет инфекцию.

«Предложенный нами алгоритм позволит быстро тестировать пациентов с подозрением на COVID-19 в больницах. Мы предлагаем использовать его не только в стационарных компьютерах, но и в носимых человеком датчиках (гаджетах здорового образа жизни), с помощью которых можно будет проводить экспресс-тестирование вне медицинских учреждений. В ближайшей перспективе это будет не медицинский прибор, а устройство для бытового использования и предупреждения распространения инфокции», — рассказывает руководитель проекта, поддержанного грантом РНФ, Дмитрий Корзун, кандидат физико-математических наук, доцент кафедры информатики и математического обеспечения Петрозаводского государственного университета.

Source:  Пресс-служба РНФ

News article publications

Read also

Российская база данных позволит обучить ИИ для помощи геологам
Коллектив ученых из AIRI, SberAI, МГУ и Минералогического музея им. А.Е. Ферсмана создал специализированную базу данных из тысяч изображений образцов горных пород. Она поможет обучать ИИ классифицировать минералы и определять их размер, а также оценивать качество работы алгоритмов компьютерного зрения для задач геологии.
Artificial intelligence
Data analysis
Mineralogy
4 September 2023
Обновлена база моделей характерных последовательностей в ДНК
Международная группа ученых сделала большое обновление HOCOMOCO — базы моделей нуклеотидных последовательностей участков ДНК, связывающих транскрипционные факторы, созданной в 2013 году.
Computer science
Data analysis
Genetics
19 February 2024
Алгоритмы машинного обучения ускорят производство сердечных протезов
Ученые предложили использовать искусственный интеллект для разработки новых протезов клапанов сердца. Сочетание моделей машинного обучения совместно с математическими алгоритмами оптимизации позволяет ускорить подбор множественных параметров створок протеза и получить клапан сердца «идеальной» конфигурации в несколько тысяч раз быстрее, чем в случае классической разработки, основанной на многократном цикле изготовления прототипа и его исследования. Оптимизация поможет сократить напряжение, возникающее в створках протезов при работе, а значит, сделает их более долговечными.
Artificial intelligence
Machine learning
Medicine
17 October 2023
Разработана единая платформа для данных о работе генов
Ученые МФТИ разработали единую платформу Shambhala, объединяющую данные разных платформ моделей экспрессии генов человека при сохранении их биологических свойств. Эти данные широко используются в функциональной геномике и молекулярной медицине. Стандартизация профилей открывает возможности для всестороннего сравнения характеристик, связанных с заболеваниями и разработкой новых вакцин и лекарств.
Bioinformatics
Data analysis
Genetics
24 September 2023
Учёный создал датасет количества зоопланктона в дальневосточных морях России
Учёный из тихоокеанского филиала Всероссийского научно-исследовательского института рыбного хозяйства и океанографии оцифровал данные из пяти справочников, написанных при его непосредственном участии, и объединил их с ГИС картами, создав датасет количественного содержания зоопланктона в различных точках дальневосточных морей с 1984 по 2013 год. Полученный датасет находится в открытом доступе и может быть использован для анализа и прогнозирования как экологического состояния Берингового, Японского и Охотского морей, а также Тихого океана, так и для контроля за рыбными ресурсами Дальнего Востока.
Data analysis
Ecology
Oceanology
18 August 2023
Анализ слюны позволит выявлять риски развития депрессии
Авторы новой статьи обрабатывали полученные в ходе анализа транскриптомные данные, сочетая классический биоинформатический подход и методы машинного обучения
Artificial intelligence
Bioinformatics
Psychiatry
Transcriptomics
26 July 2023