Ученые Сеченовского Университета создали модель машинного обучения, которая различает четыре хронических заболевания легких по составу выдыхаемого воздуха. В исследовании участвовали пациенты с бронхиальной астмой, ХОБЛ, муковисцидозом и лимфангиолейомиоматозом. Эту информацию сообщает сайт Naked Science.
Многие болезни дыхательной системы имеют схожие симптомы — одышку, кашель, снижение функции легких. Это затрудняет диагностику, особенно на ранних стадиях. Ученые ищут неинвазивные методы, которые помогут врачам быстрее определить заболевание. Результаты опубликованы в International Journal of Molecular Sciences.
Для исследования проанализировали образцы выдоха 843 человек — пациентов с разными болезнями и здоровых добровольцев. Состав выдоха изучали с помощью протонной масс-спектрометрии высокого разрешения. Данные обработали алгоритмами машинного обучения.
Модель анализировала не отдельные вещества, а характерные сочетания десятков соединений. Каждому заболеванию соответствует свой химический профиль. Самой высокой точности система достигла при выявлении муковисцидоза, но в целом алгоритм успешно различал все болезни.
Ученые также изучили связи между соединениями. При разных заболеваниях легких по-разному перестраиваются сети метаболических взаимодействий, что отражается в составе выдоха. Эти особенности могут помочь понять механизмы развития болезней и повысить точность диагностики.
«Мы движемся к тому, чтобы социально значимые заболевания можно было выявлять таким способом хотя бы на этапе скрининга. В перспективе человек сможет пройти быструю диагностику с помощью анализатора выдыхаемого воздуха прямо в поликлинике, и система подскажет, нужна ли консультация пульмонолога, кардиолога или другого специалиста. Сейчас мы работаем над алгоритмами для выявления заболеваний легких, сердечно-сосудистой патологии, некоторых видов рака и эндокринных нарушений», — отметил директор Института персонализированной кардиологии Филипп Копылов.
Исследователи считают, что выявленные различия в химическом составе выдоха отражают особенности течения каждого заболевания. В будущем такие данные могут использоваться не только для диагностики, но и для оценки состояния пациента и эффективности лечения.
Источник: Сеченовский Университет