Команда исследователей Мичиганского университета разработала мультимодальную модель искусственного интеллекта для прогнозирования результатов лечения больных туберкулезом (ТБ). Их анализ данных о пациентах по всему миру может привести к персонализации лечения туберкулеза.
«Туберкулез — самое смертоносное инфекционное заболевание в мире, от которого ежегодно страдают миллионы людей. Цель моей лаборатории — разработать новые инновационные решения, позволяющие остановить распространение устойчивых к лекарствам патогенов, таких как те, которые вызывают туберкулез», — сказал Шрирам Чандрасекаран, автор корреспондента и научный сотрудник. профессор биомедицинской инженерии.
В исследовании, опубликованном в iScience , ученые проанализировали мультимодальные данные, включая разнообразные биомедицинские данные клинических испытаний, геномики, медицинских изображений и назначений лекарств больным туберкулезом. Анализируя данные пациентов с разным уровнем лекарственной устойчивости, они обнаружили биомедицинские особенности, предсказывающие неудачу лечения. Они также обнаружили схемы лечения, эффективные против определенных групп пациентов с лекарственно-устойчивым туберкулезом.
«Наша мультимодальная модель искусственного интеллекта точно предсказала прогноз лечения и превзошла существующие модели, которые фокусируются на узком наборе клинических данных», — сказал Чандрасекаран.
«Мы определили схемы лечения, которые были эффективны против определенных типов лекарственно-устойчивого туберкулеза в разных странах, что очень важно в связи с распространением лекарственно-устойчивого туберкулеза», — добавил Аванти Самбарей, первый автор и научный сотрудник.
Используя искусственный интеллект, команда обследовала более 5000 пациентов. «Мы говорим о реальных данных, поэтому у пациентов из разных стран разные протоколы приема», — сказала она.
«В нашем анализе мы работали с более чем 200 биомедицинскими признаками; мы изучили демографическую информацию, такую как возраст и пол, а также историю предшествующего лечения. Мы также отметили, были ли у пациентов другие сопутствующие заболевания, такие как ВИЧ, а затем мы работали с несколькими изображениями. такие характеристики, как рентгеновские снимки, компьютерная томография, данные о патогенах, данные о лекарственной устойчивости, а также геномные особенности и мутации, которые имел патоген».
«Клинически очень сложно рассматривать все данные вместе», — сказал Самбари. «Обычно вы рассматриваете их отдельно. Я думаю, именно здесь ИИ может пригодиться. Когда врачи просматривают все эти данные, они могут оказаться ошеломляющими. Здесь наше исследование способно выявить наиболее значимые клинические особенности».
Команда также изучила влияние существующего типа лекарственной устойчивости. «Вы можете просмотреть конкретный снимок данных, например геномные особенности, и выяснить, какие мутации имел заражающий возбудитель, а также спросить, каковы некоторые долгосрочные последствия лечения», — добавила она.
Удивительно, но они обнаружили, что определенные комбинации препаратов лучше действуют у пациентов с некоторыми типами резистентности, но не у других, что приводит к неэффективности лечения.
Исследователи также обнаружили, что препараты с антагонистическими фармацевтическими взаимодействиями могут привести к худшим результатам. «Использование ИИ для отсеивания антагонистических препаратов на ранних стадиях процесса открытия лекарств может избежать неудач в лечении в дальнейшем», — отметил Чандрасекаран. «Модель искусственного интеллекта также может быть адаптирована для определения схем приема лекарств, подходящих для людей с определенными сопутствующими заболеваниями».
«Вместо универсального подхода к лечению мы надеемся, что изучение мультимодальных данных поможет врачам лечить пациентов с помощью более персонализированного лечения для достижения наилучших результатов», — сказал Самбари.
Теги: ИИ
