Исследователи из Медицинского центра Вейл Корнелл и Госпиталя специальной хирургии (HSS) разработали инструмент машинного обучения, который помогает различать подтипы ревматоидного артрита (РА). Это открытие может улучшить методы лечения данного сложного заболевания.
Опубликованное в журнале Nature Communications исследование демонстрирует, что искусственный интеллект (ИИ) и технологии машинного обучения могут эффективно подтипировать образцы патологии у пациентов с РА.
«Наш инструмент автоматизирует анализ патологических срезов, что в будущем может привести к более точной и быстрой диагностике РА, а также к персонализированному лечению», — сказал профессор Ван Фэй, основатель Института искусственного интеллекта для цифрового здравоохранения (AIDH) в Медицинском центре Вейл Корнелл. «Это показывает, что машинное обучение может преобразовать патологическую оценку множества заболеваний».
Машинное обучение для улучшения диагностики
Хотя в онкологии уже существуют инструменты машинного обучения для автоматического анализа патологических срезов, Ван и его коллеги стремятся расширить их применение и на другие медицинские области. В рамках исследования Ван объединился с Ричардом Беллом из HSS и доктором Лионелем Ивашкивым, научным руководителем программы по ревматоидному артриту в HSS. Команда разработала алгоритм для автоматической классификации подтипов РА на основе образцов тканей.
В настоящее время патологи вручную классифицируют подтипы артрита, что занимает много времени и может приводить к различиям в результатах. «Это узкое место в патологии», — отметил Белл. «Процесс отнимает много времени и сил».
Тестирование и результаты
Команда ученых обучила свой алгоритм на образцах РА у мышей, оптимизируя его способность различать типы тканей и клеток. После этого они проверили его на другой группе образцов и обнаружили, что инструмент также выявляет неожиданные изменения в тканях, такие как уменьшение разрушения хряща через шесть недель после начала лечения РА.
Инструмент также был успешно протестирован на биопсиях пациентов с ревматоидным артритом, продемонстрировав высокую эффективность в классификации подтипов. В настоящее время исследователи продолжают валидацию инструмента на дополнительных образцах и работают над интеграцией его в повседневные рабочие процессы патологов.
Влияние на лечение
Этот инструмент может ускорить процесс диагностики и сделать его более точным, что позволит врачам быстрее подбирать оптимальные методы лечения для пациентов с разными подтипами РА. Кроме того, он может сократить стоимость и улучшить эффективность клинических исследований новых методов лечения.
«Интеграция патологических срезов с клинической информацией демонстрирует растущую роль ИИ в персонализированной медицине», — отметила доктор Рейну Каушал, декан по клиническим исследованиям Медицинского центра Вейл Корнелл.
В будущем команда планирует разработать аналогичные инструменты для оценки остеоартрита и других заболеваний, таких как дегенерация дисков и тендинопатия.