Исследователи разрабатывают инструмент машинного обучения для прогнозирования некротического энтероколита у недоношенных детей.

Некротический энтероколит (НЭК) - опасное для жизни кишечное заболевание недоношенных. Характеризуется внезапным и прогрессирующим воспалением кишечника и отмиранием тканей, поражает до 11, 000 недоношенных детей в США ежегодно, и 15-30% пораженных младенцев умирают от NEC. Выжившие часто сталкиваются с долгосрочными осложнениями со стороны кишечника и нервной системы.

Исследователи из Columbia Engineering и Университета Питтсбурга разработали чувствительную и специфическую систему раннего предупреждения для прогнозирования НЭК у недоношенных детей до того, как болезнь возникнет. Прототип предсказывает NEC точно и рано, использование характеристик микробиома кала в сочетании с клинической и демографической информацией. Практически 23 июля на ACM CHIL 2020 было представлено пилотное исследование.

"Удивительно, как мы можем использовать машинное обучение, чтобы этого не случилось с младенцами, "сказал соавтор исследования, Ансаф Саллеб-Ауисси, старший преподаватель дисциплины факультета информатики Columbia Engineering и специалист по искусственному интеллекту и его приложениям в медицинской информатике. "Мы изучили данные и разработали инструмент, который действительно может быть полезным, даже спасение жизни ".

<цитата>

Если бы врачи могли точно предсказать НЭК до того, как ребенок действительно заболеет, есть несколько очень простых шагов, которые они могут предпринять:лечение может включать прекращение кормления, введение жидкостей внутривенно, и начало приема антибиотиков для предотвращения наихудших исходов, таких как длительная инвалидность или смерть ».

Томас Хувен, Ведущий автор исследования и доцент, Питтсбургский университет

Хувен, который начал свое сотрудничество с Саллеб-Ауисси, когда он был доцентом педиатрии в отделении неонатологии-перинатологии в Медицинском центре Колумбийского университета. В настоящее время он является доцентом педиатрии в отделении медицины новорожденных Медицинской школы Университета Питтсбурга.

В настоящее время, нет инструмента, чтобы предсказать, какие недоношенные дети заболеют этим заболеванием, и часто NEC не распознается до тех пор, пока не становится слишком поздно для эффективного вмешательства. НЭК - это наиболее частая кишечная неотложная помощь среди недоношенных детей. Характеризуется быстро прогрессирующим некрозом кишечника, бактериемия, ацидоз, и высокие показатели заболеваемости и смертности.

Причины NEC до конца не изучены, но несколько исследований были сосредоточены на изменениях в кишечном микробиоме, бактерии в кишечнике, состав которых может быть определен путем секвенирования ДНК из небольших образцов стула.

Исследователи предположили, что подход машинного обучения к моделированию клинических демографические, данные о микробиоме недоношенных пациентов могут позволить различать пациентов с высоким риском НЭК задолго до начала клинического заболевания, что позволит своевременно вмешаться и смягчить серьезные осложнения.

Хувен, Саллеб-Ауисси, и Лин использовали данные клинического исследования NIH 2016 г. недоношенных детей, стул которых собирали в нескольких американских неонатальных отделениях интенсивной терапии в период с 2009 по 2013 г. Команда исследовала 2, 895 образцов стула от 161 недоношенного ребенка, 45 из которых разработали NEC.

Учитывая сложность данных микробиома, исследователи выполнили несколько шагов предварительной обработки данных, чтобы уменьшить их размерность, и рассмотреть композиционный и иерархический характер этих данных, чтобы использовать их для машинного обучения.

"NEC представляет собой отличное приложение с точки зрения машинного обучения, - сказал Саллеб-Ауисси. - Уроки, которые мы извлекли из нашей новой техники, вполне могут быть перенесены в другие наборы генетических или протеомных данных и вдохновят на создание новых алгоритмов машинного обучения для наборов медицинских данных ».

Команда оценила несколько методов машинного обучения, чтобы определить лучшую стратегию прогнозирования NEC на основе данных микробиома. Они обнаружили оптимальную производительность за счет подхода многоэтапного обучения, основанного на ограниченном внимании (MIL).

Поскольку микробиомы человека подвержены изменениям, Методы MIL обращаются к последовательному аспекту проблемы. Например, в первые 20 дней после рождения младенца, Микробиом младенца претерпевает резкие изменения. Многие исследования показали, что младенцы с более разнообразным микробиомом обычно более здоровы.

"Это привело нас к мысли, что изменения в разнообразии микробиома могут помочь объяснить, почему некоторые младенцы с большей вероятностью заболеют NEC, "сказал Адам (Юнь Чао) Линь, студент-магистр информатики и соавтор исследования, работа которого над этим проектом подтолкнула его к получению докторской степени.

Вместо того чтобы рассматривать образцы микробиома младенца как независимые, Команда представила каждого пациента как набор образцов и применила механизмы внимания для изучения сложных взаимоотношений между образцами. Алгоритм машинного обучения «смотрит» на каждую сумку и пытается угадать по ее содержимому, пострадал ребенок или нет.

В повторных испытаниях способность модели отличать затронутых младенцев от здоровых имела хороший баланс чувствительности и специфичности. «Площадь под кривой ROC (AUC) составляет около 0,9, который демонстрирует, насколько хороши наши модели в различении больных и здоровых пациентов, "- отметил Саллеб-Ауисси.

«Наша первая эффективная система для клинически применимой модели машинного обучения, которая объединяет микробиом, демографические, и клинические данные, которые можно собирать и отслеживать в режиме реального времени в отделении интенсивной терапии новорожденных. Мы рады расширить его применимость к новой области прогнозного мониторинга в медицине ».

В настоящее время исследователи разрабатывают неинвазивную автономную платформу тестирования для точной идентификации младенцев с высоким риском НЭК до клинического проявления. чтобы предотвратить худшие исходы. Когда платформа будет готова, они проведут рандомизированное клиническое испытание, чтобы подтвердить прогнозы своей методики в когорте новорожденных в режиме реального времени.

"Впервые я могу представить себе будущее, в котором родители недоношенных детей и их медицинские бригады, больше не живем в постоянном страхе перед NEC, "сказал Хувен.

• Замена красного мяса заменителями мяса на растительной основе снижает риск сердечно-сосудистых заболеваний…
• Исследование обнаружило доказательства дисбактериоза кишечника у людей с болезнью Хантингтона.