Экспресс-методы для диагностики сложных заболеваний, да еще и способные выявить болезнь на ранней стадии, создают физики ТГУ. Задачи (и пробы) поступают от медиков, сбор данных ведется с помощью оптических инструментов, а анализировать их помогает специально созданная нейросеть. Как без биопсии и МРТ выявить глиому и чем отличается выдыхаемый воздух при пневмонии и раке легких — в новом выпуске проекта Tomsk.ru и Томского госуниверситета «Технотренды».
Коварство многих агрессивных заболеваний (и, в частности, некоторых видов рака) в том, что на начальных стадиях они никак себя не проявляют, часто проходят бессимптомно. А прогноз, например, по глиоме — опухоли мозга — всегда очень плохой, и чем дольше ее «не замечают», тем призрачнее шансы пациента на жизнь.
Сейчас достоверно определить тип опухоли помогает только биопсия, а увидеть новообразование можно лишь на МРТ. Но это процедура дорогая, каждый месяц «на всякий случай» делать не будешь…
Вместе с нашей коллегой — Ольгой Павловной Черкасовой из новосибирского Института автоматики и телеметрии СО РАН — мы реализовали проверку следующей идеи: если в организме идут патологические процессы, то первые изменения происходят на уровне клеток — меняется их биохимия; продукты измененного метаболизма могут попадать в слюну, кровь, выдыхаемый воздух, мочу. Они и являются маркёрами, которые могут первыми «указать» на болезнь.
Мы проанализировали литературу и собрали информацию о том, какие биологические маркеры встречаются в тканях глиомы. Затем приступили к экспериментам на лабораторных животных: вводили грызунам клетки глибобластомы человека, а после исследовали сыворотку их крови с помощью терагерцовой спектроскопии (она работает в диапазоне спектра между радиоволнами и оптическими волнами). Этот метод позволяет исследовать химические соединения в биологических жидкостях и тканях, имеющие области поглощения в терагерцовом диапазоне. Полученную информацию собрали в библиотеку данных, которую использовали для обучения нейросети. Машинное обучение позволило классифицировать данные и создать верифицированную прогнозную модель по диагностике глиом, – рассказал заведующий Лабораторией лазерного молекулярного имиджинга и машинного обучения ТГУ Юрий Кистенев.
На следующем этапе ученые смогли провести аналогичные измерения образцов крови пациентов с глиомой и здоровых добровольцев, переданные новосибирскими докторами. Модель, «обученная» на мышках, на людях сработала очень хорошо. Классификатор говорит либо «да», либо «нет», после чего уже можно проводить более детальное исследование с помощью точного специализированного оборудования.
Результат оказался очень интересным для мировой науки: за год коллектив опубликовал больше 40 статей в высокорейтинговых журналах, они пользуются большой популярностью в биомедицинском сообществе.
В целом использование нейросетей для анализа продуктов измененного метаболизма, поступающих в кровь, — очень перспективное направление биофизики. Так, другой значимый результат коллектива Лаборатории лазерного молекулярного имиджинга и машинного обучения ТГУ — методика определения болезней легких по выдыхаемому воздуху с помощью машинного обучения. Тот же принцип, что и с раком головного мозга, но на следующем этапе жизнедеятельности организма: кровь, насыщенная продуктами измененного метаболизма, доходит до легких, где идет газообмен. И летучие молекулы, которые могут быть биомаркером определенного заболевания, выделяются в окружающее пространство вместе с вдыхаемым воздухом.
В выдыхаемом воздухе может быть до нескольких тысяч компонентов — кроме азота, кислорода, СО2. И в зависимости от происходящих внутри процессов состав этих компонент меняется. По профилю молекул-биомаркеров можно разделить заболевания — одну «химическую» картину дает рак легких, другую — пневмония, третью — туберкулез, четвертую — ковид. Это исследование мы делали в рамках нескольких проектов, включая Мегагрант, и получили достаточно высокую точность классификации разных групп бронхолегочных заболеваний. Сейчас мы анализируем данные по другим болезням, например, биполярным депрессиям, шизофрении вместе с НИИ психического здоровья Томского НИМЦ РАН (у психических заболеваний тоже есть маркеры). По предложению НИИ кардиологии Томского НИМЦ РАН делали модель диагностики острого инфаркта миокарда по выдыхаемому воздуху, она получилось достаточно точной.
Основная проблема внедрения нашей технологии — аппаратная часть. Так, для измерения большого количества летучих молекул одновременно мы используем специальный спектрометр (лазерный газоанализатор), произведенный в сотрудничестве с малым предприятием из Новосибирска «Специальные технологии», он единственный в мире. Я надеюсь, мы найдем решение данной задачи, — добавил Юрий Кистенев.
