ИТМО: Технология машинного обучения для диагностики воспалительных заболеваний кишечника

Основные статьи:

• Машинное обучение (Machine Learning)
• Искусственный интеллект в медицине
• Большие данные (Big Data) в медицине

2020: Победа российского алгоритма в международном конкурсе

8 сентября 2020 года компания Philip Morris International сообщила Zdrav.Expert о том, что молодые российские ученые победили в международном конкурсе по созданию технологии машинного обучения для диагностики воспалительных заболеваний кишечника.

Российский алгоритм диагностики воспалительных заболеваний кишечника признан лучшим на международном конкурсе Источник: intervals.science

Артем Иванов и Владимир Ульянцев из лаборатории «Компьютерные технологии» Университета ИТМО создали алгоритм, который на основе неинвазивных методов диагностики с высоким уровнем достоверности выявляет наличие у пациента воспалительных заболеваний.

Российская команда стала единственной, победившей сразу в двух этапах конкурса. На первом этапе конкурса ученые ИТМО стали победителями наряду с командами из Медицинского университета Джорджтауна (США) и Института высокопроизводительных систем Италии. На втором этапе российская команда завоевала победу вместе с представителями Университета Люксембурга и Падуанского университета (Италия).

Соревнования MEDIC. Источник: intervals.science

Конкурс, с общим призовым фондом 12 000 долларов, проходил на краудсорсинговой платформе sbvIMPROVER, созданной научно-исследовательским подразделением Philip Morris International. Всего было подана 81 заявка от 15 научных команд из разных стран мира.

В лаборатории `Компьютерные технологии` Университета ИТМО мы уже более семи лет разрабатываем алгоритмы для анализа метагеномных данных. В основном мы применяем их к данным микробиоты кишечника: проводим сравнительный анализ, анализируем антибиотикорезистентные гены. Разумеется, нам было интересно посмотреть, как наши алгоритмы справятся с задачей диагностирования воспалительных заболеваний кишечника, - рассказали Владимир и Артем.

В качестве конкурсного задания, имеющего самостоятельную научную ценность, был определен поиск оптимального алгоритма машинного обучения для того, чтобы безошибочно диагностировать отличия друг от друга язвенного колита, болезни Крона, воспаления прямой кишки и других заболеваний. В качестве исходных данных научные команды получили результаты неинвазивных методов клинической диагностики и должны были применить алгоритмы анализа «больших данных» для компьютерной обработки результатов.Витрина данных НОТА ВИЗОР для налогового мониторинга

На первом этапе участникам предоставили данные метагеномного секвенирования. На втором этапе команды получили предварительно рассчитанные матрицы таксономических данных и данных повторяемости метаболических путей. Это позволило специалистам без доступа к методам анализа метагеномных данных сравнить эффективность классификации за рамками предварительной обработки.

Найденное командой российских ученых решение позволит с высоким уровнем достоверности классифицировать воспалительные заболевания кишечника у пациентов.

Мы смогли выявить сильные и слабые стороны наших алгоритмов и сравнить их точность с подходами других участников. Но с победой в конкурсе работа не закончена, и мы будем продолжать исследования для более полного описания признаков и более точного диагностирования заболеваний, - рассказал Артем Иванов.

Для нас очень важно, чтобы набор данных для машинного обучения и тестовые данные были взяты из двух различных исследований, чтобы можно было убедиться, что полученный результат не свойственен лишь одному исследованию. В последнее время мы изучаем микробиом, так как он связан со многими заболеваниями и в целом ответственен за состояние здоровья. Для нас было важно убедиться в том, что методы, разработанные в ходе испытаний, точно определяют структуру микробиома. – рассказала Стефани Бу, менеджер по обеспечению научной прозрачности и верификации данных PMI. По ее словам, в дальнейшем проект будет охватывать другие области биомедицинских исследований.