Группа исследователей из Оксфордского университета под руководством профессора Хараламбоса Антониадеса опубликовала результаты исследования, которые помогут обнаружить будущие проблемы с главной мышцей человеческого организма задолго до появления болезни. Алгоритм машинного обучения способен предсказать развитие сердечной недостаточности за пять лет до появления первых симптомов и делает это по обычному КТ-снимку (компьютерная томография, рентгеновское сканирование внутренних органов), который пациент сделал в ходе обычного медицинского обследования.
Исследование охватило 72 751 пациента из девяти британских клиник за период с 2007 по 2022 год. Никто из них на момент сканирования не имел диагноза «сердечная недостаточность». Алгоритм обучили на данных 59 327 человек, а затем проверили на независимой выборке из двух географически удалённых центров. Точность прогноза составила 85–87%.
Система анализирует текстуру эпикардиальной жировой ткани (жир, который буквально обволакивает сердце). Алгоритм извлекает 1655 радиомических признаков — математических характеристик распределения плотности, неоднородности, пространственных паттернов в этой ткани. Человеческий глаз эти различия не видит, нейросеть — замечает.
Физика процесса такова: когда в миокарде (сердечной мышце) начинается воспаление, он посылает биохимические сигналы в окружающий жир. Жир реагирует — его клетки меняют метаболический профиль, меняется соотношение липидов и воды, появляется фиброз и новые мелкие сосуды. Всё это отражается в текстуре ткани на КТ-снимке, но настолько тонко, что без статистической обработки тысяч случаев это просто информационный шум. Именно здесь большие данные становятся инструментом диагностики.
Практический масштаб проблемы, которую пытается решить эта разработка, огромен. Сердечная недостаточность затрагивает около 56–64 млн человек в мире, и эта цифра устойчиво растёт — стареющее население, эпидемия диабета, гипертония у 1,4 млрд человек. Только в Минске от этого заболевания страдают 200-250 тысяч человек. В России распространённость достигает 7–10% взрослого населения. А в США ежегодно умирают от этого диагноза более 200 тысяч пациентов. При этом болезнь коварна: когда она проявляется клинически (одышка, отёки, усталость), сердечная мышца уже повреждена серьёзно, и лечение носит скорее поддерживающий характер.
Исследование поможет людям из группы риска вовремя заняться профилактикой сердечной недостаточности. Статины (таблетки от холестерина) при регулярном приёме уменьшают жир вокруг сердца на 10–20% за год. Препараты SGLT2i (сначала создавались для диабета) отлично работают при сердечной недостаточности — даже без диабета. Новые инкретины вроде семаглутида и тирзепатида снижают сердечные риски независимо от похудения, а алгоритм ИИ поможет точнее выбирать пациентов для них. Физическая активность — 150 минут умеренного кардио в неделю (ходьба, велосипед) — напрямую убирает этот жир. Эффект виден через 6–12 месяцев.
Стоимость одного эпизода госпитализации с сердечной недостаточностью в США составляет от 10 000 до 30 000 долларов. Добавление алгоритма к уже сделанному КТ-снимку не требует ни нового оборудования, ни дополнительного облучения пациента, ни контрастного вещества — только вычислительных мощностей и лицензии на программное обеспечение (компания Caristo Diagnostics, в которой ряд авторов является сооснователями). Если даже небольшой процент госпитализаций удастся предотвратить ранним вмешательством, математика складывается в пользу внедрения разработки.
Следующий шаг — применение этой ИИ-технологии в диагностике заболеваний лёгких. Система уже адаптируется для анализа профилактических КТ грудной клетки на предмет рака лёгких и других патологий, используя те же снимки без дополнительного оборудования. Это позволит выявлять риски на ранних стадиях у миллионов пациентов ежегодно.
