«Умная» модель для маленьких сердец: медик из МФТИ создала алгоритм против гипертонии
REGIONS: в Подмосковье разработали ИИ-модель для лечения детей с гипертонией
:format(webp)/YXJ0aWNsZXMvaW1hZ2UvMjAyNi82L2dvbG92bmFqYS1ib2wtbWFnbml0bnllLWJ1cmktdG9ub21ldHItc2l0ZS13aWRlX1J5VkVodkUuanBn.webp)
Фото: [«Подмосковье сегодня»/Роман Малышенко]
В Московском физико-техническом институте (МФТИ) разработали инновационную технологию, способную существенно упростить лечение юных пациентов с гипертонией. Искусственный интеллект, лежащий в основе разработки, помогает врачам заранее определить наиболее действенный препарат, избавляя детей и их родителей от длительного и изнурительного подбора терапии, сообщает REGIONS.
Автором проекта стала магистрант МФТИ и практикующий врач Анастасия Адамсон. Имея за плечами девятилетний опыт работы в медицине, три из которых она посвятила детской кардиологии, специалист разработала модель машинного обучения, которая анализирует персональные данные пациента и прогнозирует, какое лекарство с наибольшей вероятностью принесет результат.
Проблема, которую решает новая разработка, становится с каждым годом все острее. С 2020 года количество детей с повышенным артериальным давлением в России увеличилось на 17%. При этом традиционный метод подбора терапии нередко занимает несколько месяцев: если препарат оказывается неэффективным или вызывает побочные эффекты, врачу приходится корректировать схему лечения и снова ждать, пока проявится результат. Разработанная Анастасией Адамсон модель позволяет сократить этот путь и подобрать оптимальное средство еще на старте терапии.
«Я наблюдаю рост заболеваемости гипертензией у детей своими глазами. При этом возраст таких пациентов снижается. Если раньше с этой проблемой ко мне приходили с 15 лет, то в последнее время все больше пациентов младше 13», — рассказала Анастасия Адамсон.
Для обучения алгоритма Анастасия Адамсон вручную обработала и проанализировала медицинские карты 272 пациентов. Созданная система способна учитывать 154 различных клинико-инструментальных параметра — от первичных жалоб и истории болезни до показателей электрокардиограммы, ультразвуковой диагностики и данных суточного мониторинга артериального давления.
«Мы протестировали несколько алгоритмов машинного обучения. Лучше всего показал себя Random Forest. Он позволил „увидеть“ то, что врачи чувствуют, но не могут доказать», — отметила Анастасия Адамсон.
Как пояснила разработчик из Долгопрудного, даже незначительное повышение точности при выборе терапевтической стратегии позволит десяткам юных пациентов оперативнее получать действенное лечение.
На текущем этапе разработанный алгоритм взаимодействует лишь с одним лекарственным средством и не учитывает дозировку. Однако к концу 2026 года исследователи намерены увеличить объем выборки до 500 пациентов и существенно расширить функционал системы, отмечается в сообщении.
Ранее сообщалось, почему ночь на 18 июня может стать тяжелой для метеозависимых.
