Совместный проект ученых НИУ ВШЭ и СурГУ поможет предотвратить повторные инфаркты и инсульты
Один из проектов, победивших на конкурсе «Зеркальные лаборатории» НИУ ВШЭ в июне этого года, посвящен технологиям машинного обучения в прогнозировании исходов острого коронарного синдрома. Его реализуют Международная лаборатория биоинформатики НИУ ВШЭ и Научно-образовательный центр Медицинского института Сургутского государственного университета. Как зародился этот совместный проект, чем он поможет пациентам и как будет организована работа по его реализации, рассказывает заведующая Международной лабораторией биоинформатики, доцент ФКН НИУ ВШЭ Мария Попцова.
Мария Попцова
— Мария Сергеевна, как возникла идея сотрудничества с сургутскими коллегами? Почему было принято решение реализовать этот проект именно с ними?
— С коллегами из Сургута мы начали общаться в рамках консорциума по кардиогенетике (он объединяет усилия российских научных групп и институтов для исследования генетики сердечно-сосудистых заболеваний).
Директор Медицинского института Сургутского госуниверситета Людмила Васильевна Коваленко много сил и энергии тратит на развитие научно-технологических проектов в своем крае. Так, на наших глазах был запущен проект «Код жизни», который включает в себя как генетическое тестирование для определения вариантов генов, отвечающих за развитие сердечно-сосудистых заболеваний, так и непрерывное сопровождение пациента с использованием телемедицинских технологий.
Мы узнали, что в сургутском окружном кардиоцентре (официальное название — Окружной кардиологический диспансер «Центр диагностики и сердечно-сосудистой хирургии») есть медицинская информационная система (МИС) «Пациент», которая ведет записи историй пациентов. В частности, на сегодняшний день доступна информация о 10 тысячах человек, поступивших в окружной кардиоцентр с инфарктом миокарда. Как выяснилось, в Югре в три раза ниже смертность от сердечно-сосудистых заболеваний, чем в других регионах России. И тогда мы решили, что сможем использовать эти уникальные данные для обучения прогностических систем искусственного интеллекта.
— В чем смысл этой работы? Как технологии машинного обучения смогут помочь в прогнозировании исходов острого коронарного синдрома?
— Суть нашего проекта состоит в том, чтобы вытащить все данные о 10 тысячах пациентов, которые поступили в окружной кардиоцентр с инфарктом миокарда за период с 2009 года и о которых остались записи в МИС «Пациент». Известны их истории болезни: кто перенес повторный инсульт или инфаркт, кто, к сожалению, не дожил до настоящего времени, кто живет и сегодня.
На основе этих данных можно построить модель машинного обучения, которая будет предсказывать риски возникновения неблагоприятного события после выписки таких пациентов из госпиталя. А с помощью разработанной прогностической модели можно будет определять пациентов с большим риском повторного инфаркта или инсульта или даже смертельного исхода. За такими пациентами необходимо установить более строгий контроль, в том числе с помощью телемедицины, и продлить им жизнь.
— Как будет организована совместная работа? Кто в нее будет вовлечен?
— Со стороны Сургутского госуниверситета проект возглавил Антон Сергеевич Воробьев, доцент кафедры кардиологии, ведущий научный сотрудник НОЦ Медицинского института. Антон Сергеевич будет осуществлять клиническую интерпретацию данных, производить отбор факторов, вносящих наиболее значимый вклад в модель.
Надо понимать, что стандарта по вводу данных о пациентах с 2009 года по сегодняшний день нет. Данные очень гетерогенные, и нам придется разработать алгоритмы автоматического парсинга неструктурированных текстов, тестировать применение методов NLP для того, чтобы привести базу данных о пациентах к виду, который можно подавать на вход алгоритмам машинного обучения.
Помимо построения самой точной модели, необходимо будет определить факторы, которые вносят наибольший вклад в предсказательную силу модели. Пилотный проект на 500 пациентов показал, что такими факторами могут быть и клинические, и биохимические (биомаркеры), и социальные показатели. Здесь потребуется совместная работа врачей и дата-сайентистов, чтобы понять, какие факторы можно включать в модель, а какие являются побочным артефактом и не несут значимой информации для лечащего врача.
Со стороны НИУ ВШЭ в проекте участвуют студенты магистерской программы «Анализ данных в биологии и медицине», а также аспиранты, со стороны СурГУ — студенты Медицинского института и ординаторы.
— Какие результаты ожидаются? Когда вы планируете их представить?
— К концу 2025 года, то есть к завершению проекта, мы планируем иметь работающую программу, в основе которой будет модель машинного обучения, обученная на 10 тысячах пациентов.
В приемной врач сможет ввести значения клинических и биохимических данных обследования пациента, которое рутинно проводится в госпитале при поступлении больного с инфарктом миокарда, и получить классификацию этого пациента. То есть врач сразу увидит, высок или низок риск развития повторного неблагоприятного события (инфаркта, инсульта), смертельного исхода у пациента.
Планируется тестирование модели на новых пациентах, которых доставляют в кардиоцентр с инфарктом миокарда. А в будущем, когда появятся данные из генотипирования, мы планируем строить прогностические модели искусственного интеллекта с учетом данных кардиогенетики.
— Можно ли будет использовать эту систему не только в Ханты-Мансийском автономном округе — Югре, но и в других регионах?
— Да. Разработанная нами система искусственного интеллекта масштабируема. Будет интересно протестировать ее на данных пациентов других кардиоцентров.
Вам также может быть интересно:
«Цель школы Spring into ML — объединить молодых ученых, занимающихся математикой ИИ»
Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Университет Иннополис провели для студентов, аспирантов и молодых ученых недельную школу, посвященную применению математики в машинном обучении и искусственном интеллекте. 50 участников Spring into ML прослушали 24 доклада о машинном обучении, участвовали в тематических питч-сессиях и прошли два мини-курса по диффузионным моделям — развивающейся области ИИ для генерации данных.
В России разработана программа для диагностики дислексии
Ученые НИУ ВШЭ создали инструмент, который оценивает наличие и степень дислексии у школьников, учитывая их пол, возраст, класс школы и данные видеоокулографии. В 2024 году планируется внедрение программы в клиническую практику. Исследования проводились специалистами в области машинного обучения и нейролингвистами в Центре искусственного интеллекта НИУ ВШЭ.
Студенты со всей России пройдут интенсив по компьютерным наукам от ВШЭ и «Яндекса»
С 1 по 13 апреля в Москве на базе факультета компьютерных наук НИУ ВШЭ пройдет бесплатный студкемп по машинному обучению, организованный в рамках программы «Яндекса» для студентов IT-специальностей. За две недели студенты изучат материал, на освоение которого в рамках традиционных программ уходит от пары месяцев до нескольких семестров. Они получат фундаментальные знания в области искусственного интеллекта, а также познакомятся с практиками применения нейросетей в сервисах «Яндекса».
Нейросети всевластья: ИИ распутывает клубок взаимоотношений людей, эльфов и хоббитов
3 января родился один из самых популярных писателей прошлого века Джон Рональд Руэл Толкин. Исследователи из НИУ ВШЭ, AIRI и МИСИC использовали машинное обучение для исследования социальных связей между персонажами его вселенной Средиземья. Ученые считают, что этот подход найдет применение во многих сферах за пределами литературы. Результаты работы опубликованы в IEEE Xplore.
«Каждая статья на NeurIPS — значительный результат»
Сотрудники факультета компьютерных наук НИУ ВШЭ представят 12 своих работ на 37-й конференции NeurIPS. Conference and Workshop on Neural Information Processing Systems — одно из самых значительных событий в сфере искусственного интеллекта и машинного обучения. В этом году она пройдет с 10 по 16 декабря в Новом Орлеане (США).
На факультете компьютерных наук открываются новые лаборатории
По итогам конкурса проектов на факультете компьютерных наук НИУ ВШЭ открываются две новые лаборатории. Лабораторию матричных и тензорных методов в машинном обучении возглавит Максим Рахуба, доцент департамента больших данных и информационного поиска. Лабораторией облачных и мобильных технологий будет руководить профессор департамента программной инженерии Дмитрий Александров.
«Интерес к приложениям машинного обучения в биоинформатике с каждым годом растет»
28–30 августа, накануне нового учебного года, факультет компьютерных наук ВШЭ провел четвертую летнюю школу по машинному обучению в биоинформатике. В этом году на событие зарегистрировались 670 человек, более 300 посетили ее очно.
ФКН в четвертый раз проведет летнюю школу по машинному обучению в биоинформатике
На факультете компьютерных наук Вышки с 28 по 30 августа пройдет летняя школа по машинному обучению в биоинформатике. В течение трех дней участников ждут лекции и семинары от ведущих специалистов в данной области из ВШЭ, Сколтеха, AIRI, МГУ, МФТИ, Genotek, Sber Artificial Intelligence Laboratory.
Решение НИУ ВШЭ и Сбера позволит машинному обучению работать в десятки раз быстрее
Исследователи факультета компьютерных наук ВШЭ и Лаборатории искусственного интеллекта Сбера смогли увеличить скорость работы градиентного бустинга — одного из самых эффективных алгоритмов для решения задач машинного обучения. Предложенный подход позволит быстрее решать задачи классификации и регрессии машинного обучения. Результаты их работы были представлены на конференции NeurIPS.
Компактный нейропротез обучили декодировать речь по активности мозга
Ученые НИУ ВШЭ и МГМСУ им. Евдокимова разработали модель машинного обучения, которая предсказывает произнесенное слово на основе активности мозга, записанной небольшим количеством инвазивных электродов. Статья “Speech decoding from a small set of spatially segregated minimally invasive intracranial EEG electrodes with a compact and interpretable neural network” опубликована в Journal of Neural Engineering. Работа выполнена при поддержке мегагранта правительства РФ в рамках нацпроекта «Наука и университеты».