Американские медики и математики разработали нейросетевой алгоритм, позволяющий с высокой точностью выявлять рак печени у пациента по обрывкам молекул ДНК в образцах крови. Работа опубликована в журнале CancerDiscovery. О результатах сообщила в пятницу пресс-служба университета Джона Гопкинса (JHU).
Развитие рака и целого ряда болезней сопровождается накоплением в организме большого количества поврежденных белков, цепочек ДНК и молекул жиров. Этот "клеточный мусор" часто становится источником еще больших проблем для организма. В последние годы ученые разработали несколько диагностических систем, выявляющих опухоли по наличию обрывков ДНК раковых клеток в кровотоке пациентов.
Ученые разработали тестовую систему, которая выявляет значительную часть случаев развития рака печени по обрывкам ДНК, присутствующим в крови пациентов. Команда разработала этот подход проанализировав более 70 образцов крови, полученных от здоровых людей и пациентов с гепатоцеллюлярной карциномой.
Исследователи извлекли и расшифровали структуру обрывков генома, присутствующих в крови. Они использовали эти данные и обучили нейросеть распознавать характерные особенности в структуре и упаковке нитей ДНК, попавших в кровь из раковых клеток печени. Работу этой системы искусственного интеллекта ученые проверили на 200 образцах крови пациентов, страдавших от гепатоцеллюлярной карциномы и некоторых других тяжелых болезней печени.
«На настоящий момент времени лишь пятая часть пациентов из групп риска проходит обследования, нацеленные на выявление маркеров рака печени, что связано с низкой доступностью тестов и их невысоким качеством работы. Наш подход позволит удвоить число выявляемых случаев рака печени, а также значительно улучшить его раннюю диагностику», - заявила доцент JHU Эми Ким, чьи слова приводит пресс-служба вуза.
Эти тесты показали, что нейросеть выявляла следы присутствия рака с точностью 98% и с вероятностью 88% среди пациентов, не предрасположенных к развитию гепатоцеллюлярной карциномы, а также с точностью 80% и вероятностью 85% в нескольких группах риска. Как отмечают ученые, это заметно выше аналогичных показателей для уже существующих диагностических систем, что делает разработанный ими подход перспективным для применения в медицинской практике.
