Клиническая биоинформатика - это новая развивающаяся наука, сочетающая в себе клиническую информатику, биоинформатику, медицинскую информатику, информационные технологии, математику и омику. Потому что компьютер легко масштабировать по сравнению с докторами, и компьютеры могут работать круглосуточно, без выходных.

Машинное обучение в биоинформатике

Машинное обучение - это процесс, используемый для того, чтобы научить машину работать соответствующим образом. Сначала программа пишется с использованием математики и создается формула, которую компьютер может понять. Эта формула распределяет баллы в зависимости от заданного условия, например, мы обучаем робота ходить, эта формула распределяет числа, такие как +1 для правильного шага, -2 для нестабильного движения и так далее. Затем, в зависимости от программы, компьютер может учиться либо, экспериментируя с собой и продвигаясь вперед в направлении, которое максимизирует результат, либо он может учиться, наблюдая за другими. В области здравоохранения ученые-биоинформатики используют второй метод - обучение с использованием имеющихся медицинских карт.

Вот пример, который поможет нам лучше понять то, что я объясняю.

TREWS (целевая система раннего предупреждения в реальном времени)

TREWS разработан доктором Сучи Сариа, профессором машинного обучения и здравоохранения в Университете Джонса Хопкинса. Доктор Сария со своими коллегами разрабатывает программное обеспечение, известное как TREWS. TREWS - это программа машинного обучения, предназначенная для обнаружения сепсиса с высокой точностью и эффективностью.

Сепсис: (организм выделяет химическое вещество для борьбы с инфекцией, которая вызывает отрицательную воспалительную реакцию и приводит к отказу органа). Организм обычно выбрасывает химические вещества в кровоток для борьбы с инфекцией. Сепсис возникает, когда реакция организма на эти химические вещества выходит из равновесия, вызывая изменения, которые могут повредить несколько систем органов.

Проблема с сепсисом показана в исследовании, проведенном Гарвардом, оно показывает, когда экспертам показывают случаи с сепсисом или без него, их прогнозы не совпадают.

Пример использования

Миссис Мани, женщина 52 лет. Она госпитализирована с болезнью стопы, поскольку никаких медицинских осложнений не наблюдается, поэтому врачи помещают ее в общую палату. Через 3 дня у них появился симптом пневмонии, из-за чего врачи рекомендовали ей антибиотики. На 6-й день обнаружена тахикардия, на 7-й день сепсис-шок переведен в отделение интенсивной терапии. Постепенно ее органы начали отказывать, и на 22-й день она умерла. Она могла выжить, если бы ей поставили диагноз раньше.

Когда TREWS проверяет медицинские записи г-жи Мани, он выявляет сепсис за 12 часов до шока, что является значительным периодом времени (каждый час вероятность смерти увеличивается на 7-8%).

TREWS - это программа машинного обучения, которая изучает электронные истории болезни с сепсисом и без него. Пример Креатинин - это отходы, которые отфильтровываются почками, но в случае сепсиса способность почки отфильтровывать их снижается. Но могут быть и другие причины, это задача TREWS - выяснить, повышается ли уровень креатинина в крови из-за сепсиса или по другой причине.

Он протестирован на данных 16000 пациентов, в среднем в большинстве случаев он обнаруживает за 24 часа до разряда. 2/3 пациента до дисфункции какого-либо органа. 60% увеличение производительности обнаружения.

TBM (морфометрия на основе транспорта)

Визуализация (рентген, МРТ, УЗИ и т. Д.) - это самые быстрорастущие медицинские данные. Иногда визуализация выявляет болезнь еще до того, как ее можно почувствовать. При таком заболевании, как рак, чем раньше вы поставите диагноз, тем больше вероятность, что человек выживет. Важно диагностировать заболевание на ранней стадии, это может спасти жизни, спасти и страдать.

Проблема в том, что когда мы поворачиваем время вспять, видимые свидетельства становятся все меньше и меньше и, наконец, становятся невидимыми для человеческого глаза. Небольшие изменения, которые не могут увидеть глаз, все еще существуют. Эти небольшие изменения можно расшифровать с помощью компьютера.

Остеоартрит - одно из таких заболеваний, которое можно обнаружить еще до того, как началась боль. Остеоартрит возникает, когда защитный хрящ, который смягчает концы ваших костей, со временем изнашивается и заставляет кости сжиматься друг с другом, вызывая сильную боль. Около 10% населения старше 60 лет страдают остеоартритом.

В настоящее время врачи могут увидеть остеоартроз только после повреждений и сильной боли. Но в этом исследовании показано, что это заболевание началось задолго до этого.

Сравнивая МРТ коленного хряща, даже эксперты ничего не могут сказать об остеоартрите, потому что у каждого человека колено имеет разную структуру, и человеческий глаз насыщается этими индивидуальными изменениями.

Доктор Синджини Кунду со своей командой разрабатывает TBM - программу машинного обучения, которая с помощью доступной МРТ обучает людей, у которых в дальнейшем развивается остеоартрит, а у тех, у кого нет. TBM наблюдает за каждым пикселем на МРТ и фиксирует изменения, невидимые человеческому глазу. ТБМ имеет 86% точность определения образцов, у которых через 3 года может развиться остеоартрит.