Ученые Пермского Политеха создали программный комплекс для помощи врачам в диагностике сложных заболеваний

Для многих широко распространенных заболеваний, таких как диабет или гипертония, уже существуют четкие диагностические критерии и отработанные схемы выявления. Врачи знают, на что смотреть, какие показатели считать критическими, а какие — вариантом нормы. 

Однако есть целый класс болезней, с которыми все сложнее. К ним относятся различные нейродегенеративные заболевания (болезнь Альцгеймера, Паркинсона и другие), которые начинают развиваться задолго до первых явных симптомов. Это также последствия новых инфекций, например, постковидный синдром, когда заболевание еще не имеет четких критериев и проявляется у людей совершенно по-разному. Во всех этих случаях традиционная диагностика часто неэффективна, поскольку заболевание развивается, но внешние проявления отсутствуют. При этом стандартные методы обследования не выявляют характерных изменений или показывают результаты, которые трудно интерпретировать. Это приводит к тому, что диагноз ставится с задержкой.

Сегодня для анализа медицинских данных по сложно диагностируемым заболеваниям врачи все чаще используют специализированные инструменты и программы на основе машинного обучения. Они действительно способны находить сложные взаимосвязи между множеством показателей и с высокой точностью отличать больных от здоровых. Однако у таких программ есть существенный недостаток: они работают как «черный ящик». Врач видит только итоговый результат — «болен» или «здоров», — но не может проследить, на основании каких именно признаков сделан такой вывод. Из-за этого невозможно понять логику постановки диагноза или использовать полученные данные для более глубокого изучения. 

Кроме того, для обучения таких программ нужны подготовленные массивы данных и серьезные вычислительные мощности, что не всегда доступно в реальной клинической практике. Поэтому для сложных заболеваний нужен более прозрачный метод, который не просто ставит диагноз, а показывает логику этого решения и при этом работает даже с небольшим количеством данных.

Ранее ученые Пермского Политеха проводили исследования в области диагностики нейродегенеративных заболеваний — болезни Альцгеймера и Паркинсона. Их выбрали, поскольку они являются сложными для раннего выявления. Они изучали возможности их прогнозирования, существующие в мире методы и их ограничения.  Теперь ученые на основе результатов своих предыдущих исследований создали уникальную программу для поддержки принятия врачебных решений. Она предназначена для помощи в диагностике заболеваний, которые сложно определить на ранних стадиях. Разработка также дает возможность быстро создавать прототипы подобных систем для других медицинских задач.

Основная сложность заключается в том, что при диагностике новых заболеваний врачи сталкиваются с огромным количеством различных показателей. Но изначально неизвестно, какие из них действительно связаны с болезнью, а какие не несут полезной информации. 
Для того чтобы определить, какие показатели действительно важны, ученые использовали информационный подход к анализу медицинских данных. Его суть заключается в сравнении медицинских данных у здоровых людей и у пациентов с заболеванием. Если в результате обработки данных выявляются устойчивые различия между этими группами, значит, показатель связан с болезнью и может использоваться для диагностики. Если различий нет — параметр бесполезен. 

В итоге с помощью этого подхода можно на основе даже небольших объемов данных о пациентах с подтвержденным диагнозом проверять новые сведения и определять, какие именно показатели значимы для диагностики конкретной болезни. Это помогает не только лучше понимать, как проявляет себя заболевание, но и выявлять те параметры, на которые стоит обращать внимание в дальнейших исследованиях и клиническом анализе.

На основе разработанного метода ученые создали программу — прототип системы поддержки принятия врачебных решений. Она представляет собой предварительно настроенные шаблоны-справочники, которые поддерживают десять или более медицинских показателей.

Программа работает следующим образом: врач вводит имеющиеся показатели пациента, а система автоматически сравнивает их с уже загруженными данными здоровых и больных людей по конкретному заболеванию. Она оценивает, на какую группу больше похож новый случай, и сообщает: соответствует ли состояние норме или указывает на заболевание.

Проверить работоспособность системы исследователи решили на примере болезни Альцгеймера. В предыдущих работах они выяснили, что ключевую роль при определении наличия этого заболевания играют показатели магнитной восприимчивости вен головного мозга.
Для оценки программы они взяли именно эти данные и сравнили их у больных и здоровых людей, чтобы понять, совпадут ли результаты нового метода с тем, что выявили ранее. Анализ показал: программа верно определила наиболее значимые показатели. Это полностью совпало с выводами предыдущих исследований, где использовались сложные инструменты на основе машинного обучения.

Важно, что врач может настроить программу для диагностики заболеваний в той области, в которой он специализируется и какими клиническими данными располагает. Инструмент поддерживает возможность ввода новых данных, что позволяет использовать его для диагностики разных заболеваний, а не только тех, для которых был настроен изначально. Это можно сделать следующим образом: информация о показателях здоровых и больных людях берется из доступных врачу баз данных или открытых медицинских исследований. Параметры нового пациента для анализа специалист может получить из стандартных медицинских обследований: МРТ, анализов крови или данных функциональной диагностики.

— Программа создавалась как доступный инструмент, которым сможет пользоваться любой врач без специальной подготовки. Когда знания о диагностике удается формализовать, их можно передавать другим специалистам — это позволяет сохранять и накапливать опыт даже при смене поколений. Именно это вдохновило нас на создание системы поддержки понятия врачебных решений, которая не требует навыков программирования, но дает любому специалисту возможность самостоятельно разработать такую систему под свои конкретные задачи, — отметил Александр Алексеев, доктор технических наук, начальник управления организации научных исследований ПНИПУ.

Предложенный инструмент позволит любому врачу самостоятельно создать собственную систему поддержки принятия врачебных решений при диагностике заболеваний. Достаточно загрузить данные здоровых людей и пациентов с подтвержденным диагнозом — и программа готова к работе. Это открывает широкие возможности для использования разработки не только в целях определения конкретных диагнозов, но и для создания новых инструментов для распространенных и редких заболеваний.